fasttrackml

FastTrackml

FastTrackML est une API pour les paramètres de journalisation et les mesures lors de l'exécution du code d'apprentissage automatique, et c'est une interface utilisateur pour visualiser le résultat. L'API est un remplacement de référence pour le serveur de suivi de MLFlow, et il est expédié avec l'interface utilisateur de visualisation de MLFlow et AIM.

Comme son nom l'indique, l'accent est mis sur la vitesse - journalisation rapide, récupération rapide.

Start

Exécutez le serveur de suivi

Note

Pour le guide complet, consultez notre guide QuickStart.

FastTrackML peut être installé et exécuté avec pip :

pip install fasttrackml
fml server

Alternativement, vous pouvez l'exécuter dans un conteneur avec Docker:

docker run --rm -p 5000:5000 -ti gresearch/fasttrackml

Vérifiez que vous pouvez voir l'interface utilisateur en naviguant vers http: // localhost: 5000 /.

Pour plus d'informations, --help est votre ami!

Suivez vos expériences

Installez le package Mlflow Python:

pip install mlflow-skinny

Voici un exemple élémentaire Python Script:

 import mlflow
import random

# Set the tracking URI to the FastTrackML server
mlflow . set_tracking_uri ( "http://localhost:5000" )
# Set the experiment name
mlflow . set_experiment ( "my-first-experiment" )

# Start a new run
with mlflow . start_run ():
    # Log a parameter
    mlflow . log_param ( "param1" , random . randint ( 0 , 100 ))

    # Log a metric
    mlflow . log_metric ( "foo" , random . random ())
    # metrics can be updated throughout the run
    mlflow . log_metric ( "foo" , random . random () + 1 )
    mlflow . log_metric ( "foo" , random . random () + 2 )

Promoteur

FastTrackML peut être construit et testé dans un conteneur de développement. C'est la manière recommandée car l'environnement entier est préconfiguré avec toutes les dépendances (SDK GO, Postgres, Minio, etc.) et les paramètres (formatage, libellé, extensions, etc.) pour commencer instantanément.

GiTHub Codespaces

Si vous avez un compte GitHub, vous pouvez simplement ouvrir FastTrackML dans un nouvel GitHub Codespace en cliquant sur le bouton vert "code" en haut de cette page.

Vous pouvez construire, exécuter et joindre le débogueur en appuyant simplement sur F5. Les tests unitaires peuvent être exécutés à partir de l'explorateur de test à gauche. Il existe également de nombreuses cibles dans le Makefile qui peuvent être utilisées (par exemple, build , run , test-go-unit ).

Code Visual Studio

Si vous souhaitez travailler localement dans le code Visual Studio, tout ce dont vous avez besoin est d'avoir Docker et l'extension des conteneurs Dev.

Ouvrez simplement votre copie de FastTrackML dans VS Code et cliquez sur "Rouvrir dans le conteneur" lorsque vous y êtes invité. Une fois le projet ouvert, vous pouvez suivre les instructions GitHub Codespaces ci-dessus.

Important

Notez que sur macOS, le port 5000 est déjà occupé, donc certains ajustements sont nécessaires.

CLI

Si la CLI est la façon dont vous roulez, vous pouvez installer l'outil CLI du conteneur Dev et suivre l'instruction ci-dessous.

Instructions de CLI

[! Avertissement] Cette configuration n'est pas recommandée ou prise en charge. Voici des dragons!

Vous devrez modifier le fichier .devcontainer/docker-compose.yml et décommenter la section services.db.ports pour exposer les ports à l'hôte. Vous devrez également ajouter FML_LISTEN_ADDRESS=:5000 à .devcontainer/.env .

Vous pouvez ensuite émettre la commande suivante dans votre copie de FastTrackML pour vous opérer:

devcontainer up

En supposant que vous ayez cloné le repo dans un répertoire nommé fasttrackml et que vous n'avez pas joué avec la configuration de conteneur Dev, vous pouvez entrer le conteneur de développement avec:

docker compose --project-name fasttrackml_devcontainer exec --user vscode --workdir /workspaces/fasttrackml app zsh

Si l'un d'eux n'est pas vrai, voici comment rendre une commande adaptée à votre configuration (cela nécessite que jq soit installé):

devcontainer up | tail -n1 | jq -r ' "docker compose --project-name (.composeProjectName) exec --user (.remoteUser) --workdir (.remoteWorkspaceFolder) app zsh" '

Une fois dans le conteneur Dev, utilisez votre éditeur de texte préféré et les cibles Makefile :

vscode ➜ /workspaces/fasttrackml (main) $ vi main.go
vscode ➜ /workspaces/fasttrackml (main) $ emacs .
vscode ➜ /workspaces/fasttrackml (main) $ make run

Licence

Copyright 2022-2023 G-Research

Copyright 2019-2022 AIMHUB, Inc.

Copyright 2018 Databricks, Inc.

Licencié sous la licence Apache, version 2.0 (la "licence"); Vous ne pouvez pas utiliser ces fichiers sauf conformément à la licence. Vous pouvez obtenir une copie de la licence à

http://www.apache.org/licenses/license-2.0

Sauf exiger la loi applicable ou convenu par écrit, les logiciels distribués en vertu de la licence sont distribués sur une base «tel quel», sans garantie ou conditions d'aucune sorte, expresse ou implicite.