MLflow 클라이언트 호환성

MLflow 클라이언트 호환성에 대해 설명합니다.

히스토리 GitLab 15.11에서 도입 되었습니다. GitLab 17.8에서 일반 공개 되었습니다. MLflow 는 머신 러닝 실험 추적을 위한 인기 있는 오픈 소스 도구입니다. GitLab 모델 실험 추적 과 GitLab 모델 레지스트리 는 MLflow 클라이언트와 호환됩니다. 설정에는 기존 코드에 대한 최소한의 변경이 필요합니다. MLflow 클라이언트 통합 활성화 # 사전 요구 사항: GitLab 호환 Python 클라이언트: 권장: GitLab MLOps Python 클라이언트 . 다른 옵션으로는 MLflow 클라이언트 버전이 있습니다. MLflow 클라이언트는 GitLab과 호환됩니다 . Developer, Maintainer 또는 Owner 권한과 api 범위가 있는 개인 , 프로젝트 또는 그룹 액세스 토큰. 프로젝트 ID. 프로젝트 ID를 찾으려면: 상단 표시줄에서 Search or go to 를 선택하고 프로젝트를 찾습니다. Settings > General 을 선택합니다. 로컬 환경에서 MLflow 클라이언트 호환성을 사용하려면: 코드를 실행하는 호스트에서 추적 URI 및 토큰 환경 변수를 설정합니다. 로컬 환경, CI 파이프라인 또는 원격 호스트가 될 수 있습니다. 예를 들어: export MLFLOW_TRACKING_URI="<your gitlab endpoint>/api/v4/projects/<your project id>/ml/mlflow" export MLFLOW_TRACKING_TOKEN="<your_access_token>" 학습 코드에 mlflow.set_tracking_uri() 호출이 포함된 경우 제거합니다. 모델 레지스트리에서는 오른쪽 상단의 오버플로 메뉴에서 세로 줄임표(⋮)를 선택하여 추적 URI를 복사할 수 있습니다. 모델 실험 # 학습 코드를 실행할 때 MLflow 클라이언트를 사용하여 GitLab에서 실험, 실행, 모델, 모델 버전, 로그 파라미터, 메트릭, 메타데이터 및 아티팩트를 생성할 수 있습니다. 실험이 로그되면 /<your project>/-/ml/experiments 아래에 나열됩니다. 실행은 등록되며 실험, 모델 또는 모델 버전을 선택하여 탐색할 수 있습니다. 실험 만들기 # import mlflow # Create a new experiment experiment_id = mlflow.create_experiment(name= "<your_experiment>" ) # Setting the active experiment also creates a new experiment if it doesn't exist. mlflow.set_experiment(experiment_name= "<your_experiment>" ) 실행 만들기 # import mlflow # Creating a run requires an experiment ID or an active experiment mlflow.set_experiment(exper