问题标签 [mlflow]

我已经在我的 ubuntu 环境中安装了 MLFLOW for R。当我尝试为 mlflow 执行任何命令时，出现以下错误

mlflow_ui() rethrow_call(c_processx_exec, command, c(command, args), stdin, 中的错误：无法启动 processx 进程（系统错误 2，没有这样的文件或目录）@unix/processx.c:573

我正在尝试将mlflow.tensorflow.autolog()与tensorflow object detection api一起使用。将mlflow.tensorflow.autolog()添加到model_main.py 会记录一些参数，例如 mlflow 中的 global_norm/clipped_gradient_norm、global_norm/gradient_norm、global_step/sec、learning_rate_1、loss_1、loss_2。然而，更重要的指标，如 map、precision、recall 并没有记录在 mlfow 中。

我正在尝试使用 MLFlow 将工件记录到 Azure Blob 存储。虽然记录到 dbfs 工作正常，但当我尝试将其记录到 Azure Blob 存储时，我只看到一个具有相应 runid 的文件夹，但里面没有任何内容。

这就是我所做的-

1. 从 Azure Databricks 创建一个试验，为其命名，并将工件位置命名为 wasbs://mlartifacts@myazurestorageaccount.blob.core.windows.net/ 。

2. 在 spark 集群中，在 environemtn 变量部分中传递 AZURE_STORAGE_ACCESS_KEY="ValueoftheKey"

3. 在笔记本中，使用 mlflow 记录指标、参数，最后使用如下代码段记录模型

当然，在使用它之前，我将实验设置为我将工件存储定义为 azure blob 存储的那个。

我可以从 Databricks 中的 MLFlow UI 中获取指标和参数，但由于我的工件位置是 Azure Blob Storage，我希望模型、.pkl 和 conda.yaml 文件位于 Azure Blob Storage 的容器中，但是当我去的时候要检查它，我只看到一个与实验的运行 ID 对应的文件夹，但里面什么都没有。

我不知道我错过了什么。如果有人需要其他详细信息，我很乐意提供。

请注意，当我使用默认位置（即 dbfs）时，一切正常。

第 1 步：在带有 Ubuntu 的 AWS EC2 实例上安装 anaconda（其中还安装了 R 和 python）

步骤 2：使用“conda install -c conda-forge mlflow”命令在 conda 中安装 mlflow（假设 R 和 python 都使用）

第 3 步：根据 MLFlow 文档在 R 中使用 mlflow 并在 python 中导入 mlflow 的 library(mlflow) 命令，但仍然无法运行 MLFlow，因为它为 R & Python 提供了以下错误

第 4 步：使用 R & Python 存储库中提供的 wine 示例来验证未发生的 MLFlow 日志记录。MLFlow 服务器已启动并正在运行

我一直在使用 MLflow 跟踪测试一些小示例，但对于我的用例，我希望在每个 epoch 之后保存权重。有时我会在它们完全完成之前终止运行（我不能使用早期停止），但我现在的经验是权重没有保存到跟踪 ui 服务器。有没有办法在每个时代之后做到这一点？

在命令行上运行 mlflow ui 并单击http://127.0.0.1:5000/后， 我无法访问站点 127.0.0.1 拒绝连接。

我已经在 GCP 和本地计算机上更新了 VPC 网络上的防火墙规则并激活了端口

无法访问此站点127.0.0.1 拒绝连接。

尝试：

• 检查连接
• 检查代理和防火墙

ERR_CONNECTION_REFUSED

我想通过使用 iframe 将 mlflow ui 集成到我们的网站，但如果可能的话，隐藏标题。我发现源代码/mlflow/server/js/components/HomeView.js 中有一个环境变量设置： const headerHeight = process.env.HIDE_HEADER === 'true' ? 0 : 60;但是如何通过运行服务器来指定这个环境mlflow server？我试过了HIDE_HEADER=true mlflow server，但这不起作用。或者有没有其他方法可以解决这个问题？

有没有办法在 MLflow 的实验级别管理权限？我们希望有一个共享服务器，但希望能够在实验级别管理权限-例如，管理员可以查看所有实验，user_group1 可以管理实验1-也许不同的组可以查看结果与发布结果。

看起来在数据块中是可能的：https ://docs.databricks.com/administration-guide/access-control/workspace-acl.html#experiment-permissions 但我在开源 APIdocs 中找不到任何东西。

谢谢。

MLFlow 版本：1.4.0 Python 版本：3.7.4

我正在运行 UImlflow server...和所有必需的命令行选项。

我正在使用适当的MLproject.yaml文件作为 MLFlow 项目登录到 MLFlow。该项目在 Docker 容器上运行，因此 CMD 如下所示：

mlflow run . -P document_ids=${D2V_DOC_IDS} -P corpus_path=... --no-conda --experiment-name=${EXPERIMENT_NAME}

像这样运行实验会产生空白的 run_name。我知道有一个 run_id 但我也想查看 run_name 并将其设置在我的代码中 - 在命令行中或在我的代码中设置为mlflow.log.....

我看过Is it possible to set/change mlflow run name after run initial creation？但我想以编程方式设置运行名称，而不是在 UI 上手动更改它。

我正在尝试将 MLFlow 服务器与 GCP 上的 Kubeflow 集群集成。为此，我创建了一个 MLFlow 部署并使用负载均衡器公开它。

机器学习代码作为 Pod 部署在 Kubeflow 集群上。MLflow 服务器 IP:PORT 用于记录参数（例如超参数）和工件（例如模型）。

问题是工件仅记录在 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 后，参数日志记录工作得非常好。

这是一个屏幕截图。