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:
Instale o MLflow usando
pip install mlflow
.Configurar autenticação
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”.