メインコンテンツまでスキップ

クイック スタート: 開発環境を MLflow に接続する

このページでは、 MLflow エクスペリメントを作成し、開発環境をそれに接続する方法について説明します。

MLflowエクスペリメントは、生成AIアプリケーションのコンテナです。エクスペリメントの詳細についてはMLflowエクスペリメント データ モデル コンセプト ガイドを参照してください。

開発環境に関連するセクションに移動します。

  1. IDE またはノートブックで ローカル に
  2. Databricks でホストされるノートブック

ローカル開発環境​

手順 1: MLflow をインストールする​

Databricks 接続を使用して MLflow をインストールします。

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

ステップ 2: MLflow エクスペリメントを作成する​

  1. Databricks ワークスペースを開きます。
  2. 左側のサイドバーの AI/ML で、 エクスペリメント をクリックします。
  3. エクスペリメント ページの上部にある GenAIアプリとエージェント をクリックします。

エクスペリメントを作成する

ステップ 3: 認証を構成する​

注記

次の手順では、Databricks パーソナル アクセス トークンの使用について説明します。MLflow は、 Databricks でサポートされている他の認証方法とも連携します。

次のいずれかの認証方法を選択します。

  1. MLflowエクスペリメントで、[ Generate API Key ] をクリックします。
  2. 生成されたコードをターミナルにコピーして実行します。
Bash
export DATABRICKS_TOKEN=<databricks-personal-access-token>
export DATABRICKS_HOST=https://<workspace-name>.cloud.databricks.com
export MLFLOW_TRACKING_URI=databricks
export MLFLOW_EXPERIMENT_ID=<experiment-id>

ステップ 4: 接続を確認する​

テスト ファイルを作成し、次のコードを実行して接続を確認し、テスト トレース を MLflow エクスペリメントに記録します。

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)

こんにちは mlflow

Databricks でホストされているノートブックで開発する​

ステップ 1: ノートブックを作成する​

Databricks ノートブックを作成すると、生成AIアプリケーションのコンテナである MLflow エクスペリメントが作成されます。エクスペリメントの詳細については、「 データ モデル」を参照してください。

  1. Databricks ワークスペースを開きます。
  2. 左側のサイドバーの上部にある[ 新規 ]に移動します。
  3. [ノートブック] をクリックします。

手順 2: MLflow をインストールする​

Databricks ランタイムには MLflow が含まれていますが、生成AI 機能を最大限に活用するには、最新バージョンに更新してください。

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

ステップ 3: 認証を構成する​

Databricks ノートブック内で作業する場合、追加の認証設定は必要ありません。ノートブックは、ワークスペースと関連する MLflow エクスペリメントに自動的にアクセスできます。

ステップ 4: 接続を確認する​

ノートブックのセルでこのコードを実行して、接続を確認します。ノートブックのセルの下に MLflow トレースが表示されます。

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)

こんにちは mlflow

次のステップ​

これらの推奨アクションとチュートリアルで旅を続けてください。

リファレンスガイド​

このガイドで説明されている概念と機能の詳細なドキュメントをご覧ください。

に最終更新