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:

1. Instale o MLflow usando pip install mlflow.

2. Configurar autenticação

   1. Gerar um REST API tokens

   2. 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".