Accedere al server di rilevamento MLflow dall'esterno di Azure Databricks
È possibile accedere al server di rilevamento MLflow dalle proprie applicazioni o dall'interfaccia della riga di comando di MLflow.
Questo articolo descrive i passaggi di configurazione necessari. Iniziare installando MLflow e configurando le credenziali (passaggio 1). È quindi possibile configurare un'applicazione (passaggio 2) o configurare l'interfaccia della riga di comando di MLflow (passaggio 3).
Per informazioni su come avviare e accedere a un server di rilevamento open source, vedere la documentazione di open source.
Passaggio 1: Configurare l'ambiente
Se non si dispone di un account Azure Databricks, è possibile provare Databricks gratuitamente.
Per configurare l'ambiente per accedere al server di rilevamento MLflow ospitato in Azure Databricks:
- Installare MLflow usando
pip install mlflow
. - Configurare l'autenticazione. Eseguire una delle operazioni seguenti:
Generare un token API REST e creare un file di credenziali usando
databricks configure --token
.Specificare le credenziali tramite variabili di 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="..."
Passaggio 2: Configurare applicazioni MLflow
Configurare le applicazioni MLflow per accedere ad Azure Databricks impostando l'URI di rilevamento su databricks
o databricks://<profileName>
, se è stato specificato un nome del profilo tramite --profile
la creazione del file di credenziali. Ad esempio, è possibile ottenere questo risultato impostando la MLFLOW_TRACKING_URI
variabile di ambiente su "databricks".
Passaggio 3: Configurare l'interfaccia della riga di comando di MLflow
Configurare l'interfaccia della riga di comando di MLflow per comunicare con un server di rilevamento di Azure Databricks con la MLFLOW_TRACKING_URI
variabile di ambiente. Ad esempio, per creare un esperimento usando l'interfaccia della riga di comando con l'URI databricks
di rilevamento , eseguire:
# Replace <your-username> with your Databricks username
export MLFLOW_TRACKING_URI=databricks
mlflow experiments create -n /Users/<your-username>/my-experiment