Acesse o servidor de acompanhamento MLflow de fora do Databricks

Você pode desejar logs no servidor de acompanhamento do MLflow a partir de seus próprios aplicativos. Este artigo descreve os passos de configuração necessários. comece instalando o MLflow e configurando suas credenciais (o passo 1). Em seguida, configure um aplicativo (o passo 2).

Para obter informações sobre como iniciar e log em um servidor de acompanhamento de código aberto, consulte a documentação doMLflow código aberto.

passo 1: Configurar seu ambiente

Para configurar seu ambiente para acessar seu servidor de acompanhamento MLflow hospedado no Databricks:

  1. Instale o MLflow usando pip install mlflow.

  2. Configurar autenticação

    1. Gerar tokensde API REST

    2. Especifique credenciais usando seus tokens e configurando variável de ambiente:

      # 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="..."
      

passo 2: configurar aplicativos MLflow

Configure os aplicativos MLflow para logs no Databricks definindo o URI de acompanhamento como databricks ou databricks://<profileName>, se você especificou um nome de perfil por meio de --profile ao criar seu arquivo de credenciais. Por exemplo, você pode fazer isso definindo a variável de ambiente MLFLOW_TRACKING_URI como “databricks”.