Aller au contenu principal
Dernière mise à jour le

Tutoriel : Connectez votre environnement de développement à MLflow

Cette page vous montre comment créer une Experimentation MLflow et y connecter votre environnement de développement.

Une expérimentation MLflow est le conteneur de votre application GenAI. En savoir plus sur les expérimentations MLflow dans le guide conceptuel du modèle de données d'expérimentation.

Accédez à la section pertinente pour votre environnement de développement :

Environnement de développement local​

Étape 1 : Installer MLflow​

Installer MLflow avec la connectivité Databricks :

Bash
pip install --upgrade "mlflow[databricks]>=3.1"

Étape 2 : Créer une Experimentation MLflow​

  1. Ouvrez votre workspace Databricks.
  2. Dans la barre latérale gauche, sous IA/ML , cliquez sur Experimentation .
  3. En haut de la page Expérimentations, cliquez sur Applications et agents GenAI .

créer une expérience

Étape 3 : Configurer l'authentification​

remarque

Ces étapes décrivent l’utilisation d’un jeton d’accès personnel Databricks. MLflow fonctionne également avec les autres méthodes d'authentification prises en charge par Databricks.

Choisissez l'une des méthodes d'authentification suivantes :

  1. Dans votre Experimentation MLflow, cliquez sur l’icône du menu Kebab Icône du menu kebab. > Loguer les traces localement > cliquez sur Générer une clé API .
  2. Copiez et exécutez le code généré dans votre terminal :
Bash
export DATABRICKS_TOKEN=<databricks-personal-access-token>
export DATABRICKS_HOST=https://<workspace-name>.cloud.databricks.com
export MLFLOW_TRACKING_URI=databricks
export MLFLOW_REGISTRY_URI=databricks-uc
export MLFLOW_EXPERIMENT_ID=<experiment-id>

Étape 4 : Vérifiez votre connexion​

Créez un fichier de test et exécutez ce code pour vérifier votre connexion et enregistrer une trace de test dans votre Experimentation MLflow :

Python
import mlflow
import os

experiment_id = os.environ.get("MLFLOW_EXPERIMENT_ID")
databricks_host = os.environ.get("DATABRICKS_HOST")
mlflow_tracking_uri = os.environ.get("MLFLOW_TRACKING_URI")

if experiment_id is None or databricks_host is None or mlflow_tracking_uri is None:
    raise Exception("Environment variables are not configured correctly.")

@mlflow.trace
def hello_mlflow(message: str):

    hello_data = {
        "experiment_url": f"{databricks_host}/mlflow/experiments/{experiment_id}",
        "experiment_name": mlflow.get_experiment(experiment_id=experiment_id).name,
        "message": message,
    }
    return hello_data

result = hello_mlflow("hello, world!")
print(result)

bonjour MLflow

Développer dans un Notebook hébergé par Databricks​

Étape 1 : Créer un Notebook​

La création d'un Notebook Databricks crée une Expérimentation MLflow qui est le conteneur de votre application GenAI. Pour en savoir plus sur les expérimentations, consultez le modèle de données.

  1. Ouvrez votre workspace Databricks.
  2. Accédez à Nouveau en haut de la barre latérale gauche.
  3. Click Notebook .

Étape 2 : Installez MLflow​

Les environnements d'exécution Databricks incluent MLflow, mais pour une expérience optimale avec les fonctionnalités GenAI, mettez à jour vers la dernière version :

Python
%pip install --upgrade "mlflow[databricks]>=3.1"
dbutils.library.restartPython()

Étape 3 : Configurer l'authentification​

Aucune configuration d'authentification supplémentaire n'est nécessaire lorsque vous travaillez dans un Notebook Databricks. Le Notebook a automatiquement accès à votre workspace et à l'Experimentation MLflow associée.

Étape 4 : Vérifiez votre connexion​

Exécutez ce code dans une cellule de Notebook pour vérifier votre connexion. Vous verrez une trace MLflow apparaître sous votre cellule de Notebook.

Python
import mlflow
import os

@mlflow.trace
def hello_mlflow(message: str):
    hello_data = {
        "message": message,
    }
    return hello_data

result = hello_mlflow("hello, world!")
print(result)

bonjour cellule du notebook mlflow

Ressources supplémentaires​

Pour plus de détails sur les concepts et les fonctionnalités de ce guide, consultez :

Sur cette page