如何使用MLflow、TensorFlow Keras PyCharm吗

在数据+人工智能峰会在6月,我们宣布MLflow一个开源平台,完成机器学习周期。bob体育客户端下载平台的哲bob体育客户端下载学很简单:使用任何受欢迎机器学习库;让机器学习开发人员与他们的模型实验,保护培训环境,参数,和依赖关系,和复制他们的结果;最后部署、监控和服务以开放的方式seamlessly-all有限的约束。

都是很重要的。同样important-no哲学或设计原则是因素,使平台易于使用:bob体育客户端下载

• 最小的努力开始
• 简单和直观的开发人员api使开发者生产力
• 充满活力的社区,健谈的文档和代码示例学习。

在这个博客中,我们将关注的因素之一:最小的时间开始。在即将到来的博客中,我们将详细说明的其他因素,尽管我们将简要提及了。

让我们考虑所花费的努力水平开始使用MLflow在你最喜爱的IDE。

快速启动,最少的努力:Python和PyCharm

Python似乎是最受欢迎的机器学习的编程语言。最常见的机器学习框架等TensorFlow,Keras,PyTorch,Apache火花MLlib提供Python api。

因此,许多Python开发人员选择PyCharm作为一个IDE。为什么?首先,它提供了一个免费的社区版。第二,它会创建一个Python虚拟环境没有你或者Conda环境,必须显式。第三,如果你使用了IntelliJ,你将流——开始,数量最少的工作。

让你使用MLflow以及机器学习模型开发TensorFlow或Keras api,将让你准备三个简单的步骤流。

1. 下载PyCharm CE你的笔记本电脑(Mac或Linux)
2. 创建一个项目并导入MLflow项目来源目录
3. 配置PyCharm环境。

默认情况下PyCharmPython创建虚拟环境,但你可以配置创建一个Conda环境或使用现有的一个。

这个短片的细节步骤2和3在您安装PyCharm在你的笔记本上。

MLflowKeras模式l

视频中我们的示例是一个简单的Keras网络,修改Keras模型示例,创建一个简单的多层二进制分类模型的隐藏和辍学层和各自的激活函数。二进制分类是一种常见的机器学习任务广泛应用于图像或文本分类分为两类。例如,一个图像是猫或狗;或者微博积极或消极情绪;和邮件是否是垃圾邮件或垃圾邮件。

但这里的重点是展示一个复杂神经网络模型显示的您可以开发Keras和TensorFlow日志一个MLflow运行和试验在PyCharm在你的笔记本上。

用默认或指定的调优参数作为命令行参数,keras_nn_model.py可以执行,跟踪,尝试用MLflow在两个方面:PyCharm命令行或。

命令行:指定调优参数作为参数

python keras / keras_nn_mode。py——drop_rate = 0.3时代= 40——输出= 64 train_batch_size = 256

PyCharm:指定在运行配置参数作为参数

从PyCharm是否从命令行运行,使用记录的所有参数和结果指标了mflow.log_param ()api如图所示:

可视化在MLflow跑步

您可以重复实验modes-command行或PyCharm-and MLflow ui中查看结果。

mlflow ui

检查你的运行及其各自的指标MLflow UI中给你洞察你的模型如何执行不同的调优参数。

检查一些运行时,下一步是什么?你可以做两件事情之一。
使用这个仪表盘排行榜比较其他模型和各自的组织内部运行。或保存模型部署如果满意。学习如何阅读文档部署MLflow模型。

简单的api、文档和代码示例

早些时候的博客,我们注意到,三个因素,使平台更容易使用。bob体育客户端下载我们详细的第一个一个简单的使用。接下来,我们想为MLflow简要分享我们的核心设计理念,导致了另外两个因素。

首先,我们设计MLflowapi的原则和开源,Python api,这意味着这些api设计提供开发人员构建块扩展和雇佣MLflow的三个核心组件:跟踪,项目,模型。REST api和命令行接口,这些api使开发者进行复杂的机器学习生命周期任务:

• 实验与参数和日志和跟踪指标在本地或远程
• 模型保存在默认的存储或自定义格式为部署在许多环境中(码头工人,Azure毫升、砖或Apache火花UDF)并重新加载您可以运行Python代码的地方
• 包MLFlow项目自称和独立的实体可重用和可再生的被别人从GitHub库

第二,我们有好的文档为你开始,我们认真构建的社区贡献者。虽然现有的代码示例将让你开始,加班这个存储库的样本将与你的贡献增长范围。你可以开始追求一些MLflow项目mlflow-examples并检查这个博客的Keras网络模型在这里。

所以综上所述,三个因素影响平台的易用性:快速开发人员开始时间;bob体育客户端下载直观的api文档和代码示例;和新兴社区。我们谈到了三个方面,你也可以帮助他们。

接下来是什么

这里有一些方法可以了解更多关于MLflow甚至贡献:BOB低频彩

1. 加入我们的谷歌用户组,MLflow聚会,MLflow松弛通道
2. GitHub上贡献:https://github.com/databricks/mlflow
3. 试试MLflow工程实例:https://github.com/mlflow/mlflow-apps
4. 了解更多在www.mlflow.org
5. 阅读我们的博客:引入MLflow:一个开放源码的机器学习平台bob下载地址bob体育客户端下载
6. 找出新MLflow v0.2.1