패스트캠퍼스 챌린지 17일차

1. MLflow 설치
Prerequisite터미널 사용이 가능한 os
Ubuntu 20.04 사용
python 가상 환경
conda
mlflow models serve 할 때(서빙할 때) 필요
3.8.5 사용
(3.6 이상)
pip3
How to Install

# 새로운 디렉토리를 하나 생성한 뒤, 이동해주세요
mkdir mlflow-tutorial
cd mlflow-tutorial
# conda 가상환경 세팅
# python 버전 확인
python -V
pip install mlflow==1.20.2
mlflow --version
# mlflow, version 1.20.2

2. MLflow tracking server 띄워보기

mlflow ui --help
# mlflow tracking server 를 띄웁니다.

# UI (dashboard) 의 default url 은 http://localhost:5000 입니다.
# 5000 포트가 열려있는지 확인해주세요.
# production 용으로는 mlflow ui 대신 mlflow server 를 사용하라는 안내가 출력됩니다.
mlflow server --help
# mlflow server 는 worker 를 여러 개 띄울 수 있고, prometheus 가 metrics 을 가져갈 수 있도록 엔
드포인트를 제공하는 등의 추가적인 기능이 존재합니다.

이번 강의에서는 로컬에서 띄울 것이고, 사용자가 단 한 명이기에 더 가벼운 mlflow ui
로 MLflow tracking server 를 띄우겠습니다.

mlflow ui

노트북에서 5000 번 포트가 사용중이 아니었다면, 다음과 같이 http://127.0.0.1:5000
로 접속하면 된다는 안내가 출력됩니다.
일반적인 경우라면 127.0.0.1 과 localhost 는 동일하게 여러분의 컴퓨터 자신을 접
속하는 주소를 의미합니다.

해당 터미널을 켜둔 상태에서, http://localhost:5000 으로 접속합니다.
터미널이 꺼지면 MLflow tracking server 도 종료됩니다.
아래와 같은 화면이 나타난다면, 정상적으로 MLflow tracking server 가 생성된 것을
의미합니다.


다른 터미널을 열어서, 동일한 디렉토리로 이동하여, mlruns 라는 디렉토리가 생성된
것을 확인합니다.
mlflow ui 실행 시 --backend-store-uri , --default-artifact-root 옵션을 주지 않
은 경우, mlflow ui 를 실행한 디렉토리에 mlruns 라는 디렉토리를 생성한 뒤, 이
곳에 실험 관련 데이터를 저장하게 됩니다.

cd mlflow-tutorial
ls
cd mlruns
cat 0/meta.yaml
# 무언가 채워진 것을 확인할 수 있습니다.

#직장인인강 #직장인자기계발 #패스트캠퍼스후기#온라인패키지:머신러닝서비스구축을위한실전MLOps#머신러닝서비스구축을위한실전MLOps온라인패키지Online.

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.