ステップ 1: Python のインストール
Python は MLflow でコードを記述するための前提条件であるため、続行する前に動作するコンピューターにインストールする必要があります。公式 Web サイトから Python の最新バージョンをダウンロードして、ラップトップまたはコンピュータにインストールします。インストールを開始する前に、説明をよくお読みください。インストール中に必ず Python をシステム PATH に追加してください。
Python のインストールを確認する
Python がパーソナル コンピュータに正常にインストールされたことを確認するには、コマンド プロンプト (Windows の場合) またはターミナル (Linux の場合) を開き、Python コマンドを入力して「Enter」ボタンを押します。コマンドが正常に実行されると、オペレーティング システムによってターミナル ウィンドウに Python のバージョンが表示されます。次の例では、次のスニペットに示すように、Python 3.11.1 バージョンが指定されたコンピューターにインストールされます。
ステップ 2: 仮想環境をセットアップする
仮想環境を作成して、MLflow の依存関係を個人のシステム全体の Python パッケージから分離することは、優れたアプローチです。必須ではありませんが、MLflow 用のプライベート仮想環境をセットアップすることを強くお勧めします。これを行うには、コマンド ラインを開き、作業するプロジェクト ディレクトリに移動します。 Windows を使用しているため、D ドライブの「Work」フォルダー内にある Python ディレクトリに移動します。仮想環境を構築するには、次のコマンドを実行します。
python –m venv MLFlow-ENV
前述のコマンドは Python を使用し、 -m (Make) スイッチを受け入れて、現在のディレクトリに仮想環境を作成します。この例では、「venv」は仮想環境を指し、環境名の後に「MLFlow-ENV」が続きます。次のスニペットに示すように、このコマンドを使用して仮想環境が作成されます。
仮想環境が正常に作成された場合は、「作業ディレクトリ」をチェックして、前述のコマンドによって「MLFlow-ENV」フォルダーが生成されたことを確認します。このフォルダーには、次の名前のさらに 3 つのディレクトリがあります。
- 含む
- リブ
- スクリプト
前述のコマンドを使用した後の Python フォルダーのディレクトリ構造は次のようになります。次のような仮想環境が生成されます。
ステップ 3: 仮想環境をアクティブ化する
このステップでは、「Scripts」フォルダー内にあるバッチ ファイルを使用して仮想環境をアクティブにします。次のスクリーンショットは、アクティベーションが成功した後に仮想環境が動作していることを示しています。
ステップ 4: MLflow のインストール
次に、MLflow をインストールします。仮想環境をアクティブ化した後 (作成することを選択した場合)、次のように pip コマンドを使用して MLflow をインストールします。
pip インストール mlflow次のスニペットは、MLflow インストールが必要なファイルをインターネットからダウンロードし、仮想環境にインストールしていることを示しています。
インターネットの速度に応じて、MLflow には時間がかかります。次の画面は、MLflow インストールが正常に完了したことを示しています。
スニペットの最後の行は、pip の最新バージョンが現在利用可能であることを示しています。 pip を更新するかどうかはエンドユーザー次第です。インストールされているpipのバージョンは赤色「22.3.1」で表示されます。 pip を 23.2.1 バージョンにアップグレードしているため、以下にリストされているコマンドを入力して更新を完了します。
パイソン。 EXE –m pip install --upgrade pip次の画面は、pip が最新の 23.2.1 バージョンに正常にアップグレードされたことを示しています。
ステップ 5: MLflow のインストールを確認する
MLflow インストールの確認は最後のステップですが、重要なステップです。 MLflow のインストールが成功したかどうかを確認します。現在 PC にインストールされている MLflow のバージョンを確認するには、次のコマンドを実行します。
mlflow --バージョン次のスニペットは、MLflow バージョン 2.5.0 が作業マシンにインストールされていることを示しています。
ステップ 6: MLflow サーバーを起動する (オプションのステップ)
次のコマンドを実行して MLflow サーバーを起動し、Web ユーザー インターフェイスを使用できるようにします。
mlflowサーバー次の画面は、サーバーがローカルホスト (127.0.0.1) およびポート 5000 で動作していることを示しています。
サーバーはデフォルトで「実験」の横にある http://localhost:5000. To access the Web Interface for MLflow, browse this URL in the web browser application. The server runs on port number 5000. The “Experiments and Models” menu tabs are present in the MLflow web interface. Similarly, two other links—GitHub and Docs—are on the left side. Click the plus (+) アイコンで動作し、Web インターフェイスを使用して実験を追加します。以下は、MLflow サーバーの Web UI のスクリーンショットです。
サーバーポートを変更する方法
MLflow サーバーは通常、ポート 5000 で動作します。ただし、このポートは優先番号に切り替えることができます。特定のポートで MLflow サーバーを起動するには、次の手順に従ってください。
コマンド プロンプト、PowerShell、またはターミナル ウィンドウを開きます。
キーボードから Windows キーを押します。次に、「cmd」または「powershell」を押してキーを放します。
MLflow がインストールされている仮想環境をオンにします (仮想環境が作成されていると仮定します)。
MLflow サーバーを起動するときに、PORT_NUMBER を目的のポート番号に置き換えます。
mlflow サーバー –ポート PORT_NUMBER
デモとして mlflow-server-7000 を実行し、必要なポートで MLflow サーバーを起動します。
mlflow サーバー --ポート 7000ここで、Web ブラウザ アプリを起動し、次の URL を入力して Mlflow Web UI にアクセスすると、指定されたポートが MLflow サーバーによって使用されます。 PORT_NUMBER を必須のポート番号に置き換えます。
http://localhost:PORT_NUMBER
前の手順で選択したポートを「PORT_NUMBER」に置き換える必要があります (例: http://localhost:7000 ）。
ステップ 7: MLflow サーバーを停止する
MLflow を使用してパラメーターを記録し、実験を追跡し、Web UI を使用して結果を調べる場合は、MLflow サーバーが動作している必要があることに注意してください。
MLflow サーバーの実行を停止するには、サーバーが実行されているコマンド プロンプトまたは PowerShell で「Ctrl + C」を押します。こちらはサーバーの動作が正常に停止されたことを示す画面です。
結論
MLflow を使用すると、エンドユーザーは、実験を追跡および比較し、結果を複製し、チームメンバーとうまく連携して機械学習モデルの作成と改善に集中できる堅牢でシンプルなフレームワークで複数の機械学習プロジェクトを管理できます。 MLflow の助けを借りて、実験を構造化して再現可能に保ちます。