Experiments Tracking

Add logging metrics, params and model

Для логирования метрик, параметров, артефактов и моделей используются функции MLflow:

Import mlflow functions

import mlflow
from mlflow import log_param, log_metric, log_artifact
from mlflow.sklearn import log_model
from mlflow.tracking import MlflowClient

Set tracking URI

mlflow.set_tracking_uri(MLFLOW_TRACKING_URI)
client = MlflowClient(tracking_uri=MLFLOW_TRACKING_URI)
client.create_experiment(EXPERIMENT_NAME)

• MLFLOW_TRACKING_URI - можно найти в панеле Project

Run Experiment pipeline with logging functions

Для логирования параметров, метрик, артефактов и моделей используются стандартные функции пакета mlflow

Добавьте вывозов этих функций в код запуска пайплайна. Пример:

log_param(key='cv', value=5)
log_metric(key='f1_score', value=f1)
log_artifact(local_path='confusion_matrix.jpg')
log_model(model, artifact_path=model_name)

List experiments

После этого эксперимент появиться в панели Experiments

List experiment Runs

Для каждого эксперимента можно найти информацию о каждом запуске (Run). В том числе залогированные параметры, метрики, артефакты и модели

Explore Run details