Kubernetes MLFlow与Kubeflow的集成
我正在尝试将MLFlow服务器与GCP上的Kubeflow群集集成。为此，我创建了一个MLFlow部署，并使用Loadbalancer将其公开 机器学习代码作为pod部署在Kubeflow集群上。MLflow服务器IP:端口用于记录参数（如超参数）和工件（如模型） 问题是工件只会记录在docker映像（带有机器学习代码的pod）中。另一方面，在提供MLflow服务器IP:PORT之后，参数日志记录工作得非常好 这是一个截图。Kubernetes MLFlow与Kubeflow的集成,kubernetes,google-cloud-platform,deep-learning,mlflow,kubeflow,Kubernetes,Google Cloud Platform,Deep Learning,Mlflow,Kubeflow,我正在尝试将MLFlow服务器与GCP上的Kubeflow群集集成。为此，我创建了一个MLFlow部署，并使用Loadbalancer将其公开 机器学习代码作为pod部署在Kubeflow集群上。MLflow服务器IP:端口用于记录参数（如超参数）和工件（如模型） 问题是工件只会记录在docker映像（带有机器学习代码的pod）中。另一方面，在提供MLflow服务器IP:PORT之后，参数日志记录工作得非常好 这是一个截图。 简单的解决方案是创建一个卷，并将其安装到ml模式pod和mlflow
简单的解决方案是创建一个卷，并将其安装到ml模式pod和mlflow pod上。这仅表明您的文件不在可供UI访问的卷中。请分享有关mlflow吊舱和ml型号吊舱的详细信息。 假设Mod1是您的模型的吊舱 Mlflowpod是部署mlflow的地方。
创建一个卷“Mlflow工件”，将其连接到两个吊舱。并将其设置为mlflow服务的默认后端uri。这肯定会有帮助。由于两个POD位于同一集群中，因此您面临任何loadbalanver或路由问题的可能性很低。您如何启动mlflow服务器？你能出示你的文件吗？