メインコンテンツまでスキップ

チュートリアル: 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。

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

これらのステップでは、 Databricks Personal アクセス オンラインの使用について説明します。 MLflow は、Databricks がサポートする他の認証方法でも動作します。

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、ケバブメニューアイコンケバブメニューのアイコン。 >[ Log traces locally] > [ Generate (APIキーの生成 )] 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_REGISTRY_URI=databricks-uc
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)

Hello MLFowrow ノートブック セル

次のステップ​

リファレンスガイド​

このガイドの概念と機能の詳細については、以下を参照してください。

に最終更新