問題タブ [mlflow]

mlflow にテーブルを追加したい。

mlflowは機械学習実験を行う機能を提供しますが、ユーザーが複数のプロジェクトを作成でき、そのプロジェクトで複数の実験を実行できるプロジェクトレベルでそれらの実験を追加したいだけです。

それで、mlflowでこの機能を実現する方法はありますか

現在、MLflow モデルを Docker コンテナーにデプロイする作業を行っています。Docker コンテナーは、モデルに必要なすべての依存関係でセットアップされているため、MLflow がモデルの conda 環境を作成/アクティブ化することも冗長に見えます。ドキュメント ( https://www.mlflow.org/docs/latest/cli.html#mlflow-models-serve ) を見ると、フラグを使用してモデルを提供でき--no-conda、MLflow は「実行中」であると想定すると書かれています。必要な依存関係を持つ Conda 環境」。このソリューションは、必ずしも Conda 環境ではなく、必要な依存関係を持つ環境で実行するときに機能します。これは正しいです？--no-condaまたは、フラグを使用して実行する場合、Conda 環境をアクティブにする必要がありますか?

たとえば、virtualenv を作成し、virtualenv がアクティブな状態で、 を使用してローカルでモデルを提供できますmlflow models serve -m [model/path] --no-conda。その後、モデルは適切に実行されますが、ドキュメントでは、Conda 環境を明示的に呼び出すため、これは機能しないように聞こえます。

モデルをトレーニングし、MLflow で結果を保存する pandas_udf 関数に各モデルが渡される複数の Prophet モデルを構築しています。

次に、各 KPI のモデルをトレーニングするこの UDF を呼び出します。

各 KPI について、モデルが複数のハイパーパラメーターでトレーニングされ、各モデルに最適なパラメーターが MLflow に格納されるという考え方です。Hyperopt を使用して、検索をより効率的にしたいと考えています。

この場合、目的関数をどこに配置すればよいでしょうか。データはモデルごとに UDF に渡されるため、実行ごとにデータを使用する UDF 内に内部関数を作成することを考えました。これは理にかなっていますか？