MLflow 3 기존 ML 워크플로

예제 노트

예제 Notebook은 MLflow 실행으로 추적되는 모델 학습 작업을 실행하여 MLflow 로깅된 모델로 추적되는 학습된 모델을 생성합니다.

MLflow UI에서 모델을 탐색하려면 다음을 수행합니다.

작업 영역 사이드바에서 실험을 클릭합니다.
실험 목록에서 실험을 찾습니다. 내 실험만 확인란을 선택하거나 필터 실험 검색 상자를 사용하여 실험 목록을 필터링할 수 있습니다.
실험의 이름을 클릭합니다. 실행 페이지가 열립니다. 실험에는 모델을 학습하는 데 사용되는 MLflow 실행과 모델을 평가하는 데 사용되는 MLflow 실행 2개가 포함됩니다.
모델 탭을 클릭하세요. LoggedModel (elasticnet)을 이 화면에서 추적합니다. 학습 및 평가 실행에서 연결된 모든 메트릭뿐만 아니라 모든 매개 변수 및 메타데이터를 볼 수 있습니다.
모델 이름을 클릭하여 모델의 매개 변수 및 메트릭과 같은 정보와 해당 원본 실행, 관련 데이터 세트 및 Unity 카탈로그에 등록된 모델 버전과 같은 세부 정보가 포함된 모델 페이지를 표시합니다.
Notebook은 모델을 Unity 카탈로그에 등록합니다. 따라서 모든 모델 매개 변수 및 성능 데이터는 카탈로그 탐색기의 모델 버전 페이지에서 사용할 수 있습니다. MLflow 모델 페이지에서 모델 버전을 클릭하여 이 페이지로 직접 연결할 수 있습니다. 여기서 모델 ID 및 원본 실행을 클릭하면 MLflow 모델로 돌아가서 각각 페이지를 실행합니다.

실험 페이지의모델 탭과 카탈로그 탐색기의 모델 버전 페이지에는 모델에 대한 유사한 정보가 표시됩니다. 두 보기는 모델 개발 및 배포 수명 주기에서 서로 다른 역할을 갖습니다.

실험 페이지의 모델 탭은 단일 페이지에 있는 실험에서 기록된 모델의 결과를 표시합니다. 이 페이지의 차트 탭 은 모델을 비교하고 가능한 배포를 위해 Unity 카탈로그에 등록할 모델 버전을 선택하는 데 도움이 되는 시각화를 제공합니다.
카탈로그 탐색기에서 모델 버전 페이지는 모든 모델 성능 및 평가 결과에 대한 개요를 제공합니다. 이 페이지에는 다양한 작업 영역, 엔드포인트 및 실험을 포함하여 연결된 모든 환경에서 모델 매개 변수, 메트릭 및 추적이 표시됩니다. 이는 모니터링 및 배포에 유용하며 배포 작업에서 특히 잘 작동 합니다. 배포 작업의 평가 작업은 이 페이지에 표시되는 추가 메트릭을 만듭니다. 그런 다음 작업의 승인자는 이 페이지를 검토하여 배포를 위한 모델 버전을 승인할지 여부를 평가할 수 있습니다.

MLflow 3에 도입된 추적에 대한 LoggedModel 자세한 내용은 다음 문서를 참조하세요.

딥 러닝 워크플로에서 MLflow 3을 사용하는 방법에 대한 자세한 내용은 다음 문서를 참조하세요.

이 페이지가 도움이 되었나요?