问题标签 [mlflow]

是否可以将在本地运行的笔记本连接到作为 Azure Databricks 工作区一部分的 mlflow 跟踪服务器？是否已将所有本地日志记录和跟踪保存在 Azure 中？

我是 databricks 和使用 mlflow 和 azureml 部署模型的新手，我正在尝试部署我的模型，但没有找到很多文档或示例。

我有我保存的模型：

我创建了工作区和 aci webservice，下一步是创建图像和 webservice：

但是，当我尝试创建 web 服务时，我收到一个错误并查看日志：

我的乐谱文件初始化函数是这样的：

它似乎找不到模型的路径。我不确定在保存图像的那一刻，模型没有保存在其中，因此 sklearn.load_model 找不到它。我很困惑，因为我已经看到可以使用 mlflow 或 azureml 部署模型。我认为问题在于 mlflow.save_model 没有注册模型，然后就没有路径了。有人能够解决这个问题吗？部署模型的最佳方式是什么？

在mlflow中，您可以使用可在 UI 中折叠的流畅项目 API 运行嵌套运行。例如，通过使用以下代码（有关 UI 支持，请参阅此内容）：

由于数据库连接问题，我想在我的应用程序中使用单个 mlflow 客户端。

如何使用创建的运行来堆叠运行，例如用于超参数优化MlflowClient().create_run()？

我正在使用 Window 10 机器并尝试 pip install mlflow 但我收到以下错误消息。

I'm working on a Window 10 machine and trying to pip install mlflow but I'm getting the following error message.

What's this issue?

系统详情：

操作系统：Ubuntu 19.04

蟒蛇版本：2019.03

Python版本：3.7.3

毫升流版本：1.0.0

重现步骤： https ://mlflow.org/docs/latest/tutorial.html

行/命令错误： mlflow models serve -m [path_to_model] -p 1234

错误： 命令 'source activate mlflow-c4536834c2e6e0e2472b58bfb28dce35b4bd0be6 1>&2 && gunicorn --timeout 60 -b 127.0.0.1:1234 -w 4 mlflow.pyfunc.scoring_server.wsgi:app' 返回非零返回码。返回码 = 1

终端日志：

我目前使用 Conda 来捕获我在environment.yml.

当我从项目构建 docker 服务时，我需要重新安装这些依赖项。我想四处走走，不得不将（迷你）conda 添加到我的 docker 映像中。

是否可以environment.yml使用 pip/pipenv 解析或将其转换为相应的requirements.txt?

（我还不想离开 conda，因为这是 MLflow 在我记录模型时捕获的内容）

我已将我的 keras-tf-model 包装到 Sklearn 管道中，该管道还进行了一些预处理和后处理。我想序列化这个模型并通过 MLflow 捕获它的依赖关系。

我试过mlflow.keras.save_model()了，好像不太合适。（它不是一个“纯”的 keras 模型并且没有save()属性）

我也试过mlflow.sklearn.save_model()and mlflow.pyfunc.save_model()，这都导致我出现同样的错误：

NotImplementedError: numpy() is only available when eager execution is enabled.

（这个错误似乎源于 python 和 tensorflow 之间的冲突，也许吧？）

我想知道，是否已经/通常可以用 mlflow 序列化这些“混合”模型？

请在下面找到一个最小的示例

如此处所述使用 iforest：https ://github.com/titicaca/spark-iforest 但 model.save() 抛出异常。

遵循提到的 git 页面上的“Python API”部分下提到的代码片段。

from pyspark.ml.feature 导入 VectorAssembler 导入 o​​s 导入 tempfile 从 pyspark_iforest.ml.iforest 导入 *

col_1：整数 col_2：整数 col_3：整数

assembler = VectorAssembler(inputCols=in_cols, outputCol="features") 特征化 = assembler.transform(df)

iforest = IForest(污染=0.5, maxDepth=2) 模型=iforest.fit(df)

model.save("model_path") 异常：scala.NotImplementedError：默认的 jsonEncode 只支持字符串、向量和矩阵。org.apache.spark.ml.param.Param 必须覆盖 java.lang.Double 的 jsonEncode。

下面是执行“model.transform(df)”后得到的输出数据帧。model.save() 应该能够保存模型文件。col_1:integer col_2:integer col_3:integer features:udt anomalyScore:double 预测:double

我尝试使用零参数创建 MLproject：

当我收到错误时：

我是否遗漏了什么或 mlflow 不允许零参数的项目？

如果有人想尝试，我也在我的公共回购中发布了这个：https ://github.com/sameermahajan/mlflow-try：