Acesse o servidor de acompanhamento MLflow de fora Databricks
O senhor pode desejar acessar log para o servidor de acompanhamento MLflow a partir de seus próprios aplicativos. Este artigo descreve as etapas de configuração necessárias. Comece instalando o site MLflow e configurando suas credenciais (Etapa 1). Em seguida, configure um aplicativo (Etapa 2).
Para obter informações sobre como iniciar e log em um servidor de acompanhamento de código aberto, consulte a documentação doMLflow código aberto.
Etapa 1: configurar seu ambiente
Para configurar seu ambiente para acessar seu Databricks MLflow servidor de acompanhamento hospedado:
-
Instale o MLflow usando
pip install mlflow
. -
Configurar autenticação
-
Especifique as credenciais usando seus tokens e definindo a variável de ambiente:
Bash# Configure MLflow to communicate with a Databricks-hosted tracking server
export MLFLOW_TRACKING_URI=databricks
# Specify the workspace hostname and token
export DATABRICKS_HOST="..."
export DATABRICKS_TOKEN="..."
Etapa 2: Configurar os aplicativos MLflow
Configure os aplicativos MLflow para log e Databricks definindo o URI de acompanhamento como databricks
ou databricks://<profileName>
, se o senhor especificou um nome de perfil por meio de --profile
ao criar o arquivo de credenciais. Por exemplo, o senhor pode fazer isso definindo a variável de ambiente MLFLOW_TRACKING_URI
como "databricks".