MLflow Tracking Serverの利用
MLflow Tracking Serverを利用して実験データをオンラインで管理する.
ストレージ
Bucketを作成.適切なポリシーを割当てたユーザーを作成しアクセスキーを取得する.
取得したアクセスキーは awscliに設定しておく.
code:bash
$ aws configure --profile wasabi
サーバー
以下のリポジトリから docker-compose でサーバーを設置. ストレージの設定などを行う.
エンドポイントはnginxなどでBasic認証を設定しておく.
クライアント
以下のようなスクリプトで試す.
code:test.py
import mlflow
mlflow.set_experiment("test")
with mlflow.start_run():
mlflow.log_param("a", 1)
mlflow.log_metric("b", 2)
with open("hello.txt", "w") as f:
f.write("Hello, world!")
mlflow.log_artifact("./hello.txt")
環境変数からMLflowの設定をして実行.
code:run.sh
export AWS_PROFILE=wasabi
# Basic認証情報
export MLFLOW_TRACKING_USERNAME=username
export MLFLOW_TRACKING_PASSWORD=password
python test.py
メトリクスやアーティファクトが正しく保存されているか確認する.