Partilhar via


Acessar o servidor de rastreamento MLflow de fora do Azure Databricks

Você pode querer fazer login no servidor de rastreamento MLflow de seus próprios aplicativos ou da CLI MLflow.

Este artigo descreve as etapas de configuração necessárias. Comece instalando o MLflow e configurando suas credenciais (Etapa 1). Em seguida, você pode configurar um aplicativo (Etapa 2) ou configurar a CLI MLflow (Etapa 3).

Para obter informações sobre como iniciar e registrar em um servidor de rastreamento de código aberto, consulte a documentação de código aberto MLflow.

Etapa 1: Configurar seu ambiente

Se não tiver uma conta do Azure Databricks, pode experimentar o Databricks gratuitamente.

Para configurar seu ambiente para acessar seu servidor de rastreamento MLflow hospedado pelo Azure Databricks:

  1. Instale o MLflow usando pip install mlflowo .
  2. Configure a autenticação. Faça uma das seguintes tarefas:
    • Gere um token de API REST e crie um arquivo de credenciais usando databricks configure --token.

    • Especifique credenciais por meio de variáveis 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="..."
      

Etapa 2: Configurar aplicativos MLflow

Configure os aplicativos MLflow para fazer logon no Azure Databricks definindo o de URI de rastreamento 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 conseguir isso definindo a MLFLOW_TRACKING_URI variável de ambiente como "databricks".

Etapa 3: Configurar a CLI do MLflow

Configure a CLI MLflow para se comunicar com um servidor de rastreamento do Azure Databricks com a MLFLOW_TRACKING_URI variável de ambiente. Por exemplo, para criar um experimento usando a CLI com o URI databricksde rastreamento , execute:

# Replace <your-username> with your Databricks username
export MLFLOW_TRACKING_URI=databricks
mlflow experiments create -n /Users/<your-username>/my-experiment