问题标签 [mlflow]

我已经在虚拟环境（Python 3）中的 Ubuntu Server 18.04 LTS 上安装了MLflow ，使用了它的Quickstart 文档：

在安装过程中给出了以下输出：

之后我检查了以下没有给出任何错误：

但是当我尝试运行基于 Web 的用户界面时，我收到以下错误：

有什么想法可以解决这个问题吗？

按照https://www.mlflow.org/docs/latest/quickstart.html和https://www.mlflow.org/docs/latest/tutorial.html上的快速入门和教程，train.py 的执行工作美好的。

但是当启动 uimlflow ui并访问网页 localhost:5000 时，浏览器会抱怨

出了什么问题以及如何解决这个问题？

谢谢

当我运行mlflow ui时发生以下错误：

我使用了 anaconda + python 3.6.5 并安装了 git 并使用 and 设置C:\Program Files\Git\bin\git.exe路径C:\Program Files\Git\cmd。

我安装mlflow了 whit pip install mlflow，它的版本是 0.2.1。

我在环境变量中设置了一个具有名称GIT_PYTHON_GIT_EXECUTABLE和值的变量。C:\Program Files\Git\bin\git.exe

我该如何解决这个问题？

几个人（1、2、3 ）讨论了在PySpark应用程序中使用 Scala UDF，通常是出于性能原因。我对相反的情况感兴趣 - 在 Scala Spark 项目中使用 python UDF。

我对使用 sklearn （和MLFlow）构建模型特别感兴趣，然后将其有效地应用于 Spark 流作业中的记录。我知道我还可以在 REST API 后面托管 python 模型，并在 Spark 流应用程序中调用该 APImapPartitions，但是管理该任务的并发性并为托管模型设置 API 并不是我非常兴奋的事情.

如果没有像 Py4J 这样的太多自定义开发，这可能吗？这只是一个坏主意吗？

谢谢！

我定义了以下泊坞窗图像：

并构建一个名为mlflow-server. 接下来，我从本地计算机启动此服务器：

接下来，我定义以下函数：

从我运行的同一目录中foo(10)，参数被正确记录。但是，foo(10, True)会产生以下错误：PermissionError: [Errno 13] Permission denied: '/mnt'. 似乎log_artifact试图直接将文件保存在本地文件系统上。

知道我在做什么错吗？

我们正在研究使用 mlflow 来处理我们的 keras 模型，并且我们还希望使用 mlflow 在例如 azure 中部署模型。但是这些模型需要对数据进行一些简单的预处理，在我们的例子中需要使用 minmax 缩放器。为了使部署的模型正确回答，他们必须在输入上应用缩放器（并在输出上逆向应用）。我还没有找到任何方法将缩放包含在持久化/部署的模型中。我是否忽略了某些东西，还是不可能？

使用 MlFlow 的 UI 时，是否可以使用 (git) 提交 ID 过滤/搜索运行？我设法按参数搜索，但似乎没有办法按提交 ID 进行过滤。

我将 设置为tracking_uri不同于mlruns.

有没有办法打开指向 mlruns 的新文件夹名称的MLFlow UI ？

我知道我可以将文件夹重命名为mlruns，这样我就可以访问每个实验的所有指标和参数，但是无法访问工件，因为它们被记录到与 mlruns 不同的文件夹名称。

我想通过 Amazon SageMaker 上的笔记本使用 mlflow 基于 Web 的用户界面。但是给定的地址http://127.0.0.1:5000似乎不起作用。

我在 SageMaker 笔记本上安装了 mlflow。

这段代码运行良好：

然后如果我跑

我得到了预期的结果：

但是，在那之后，当我进入http://127.0.0.1:5000我的浏览器时，什么都没有加载。

我猜这127.0.0.1不是正确的地址，但我怎么知道要使用哪个地址呢？

我们想开发一个包含 mlflow 的 ML 平台。我们已经阅读了官方文档，但它只告诉我们如何在单个节点上部署。如果这个节点崩溃了，跟踪服务可能会关闭，所以我想知道是否有部署 mlflow 集群？