MLflow ఇన్‌స్టాల్ చేస్తోంది: MLflow ఇన్‌స్టాలేషన్‌పై దశల వారీ సూచన

దశ 1: పైథాన్ యొక్క సంస్థాపన

MLflowలో కోడ్‌ను వ్రాయడం కోసం పైథాన్ తప్పనిసరిగా పని చేసే కంప్యూటర్‌లో తప్పనిసరిగా ఇన్‌స్టాల్ చేయబడాలి. పైథాన్ యొక్క అత్యంత ఇటీవలి సంస్కరణను అధికారిక వెబ్‌సైట్ నుండి డౌన్‌లోడ్ చేయడం ద్వారా ల్యాప్‌టాప్ లేదా కంప్యూటర్‌లో ఇన్‌స్టాల్ చేయండి. సంస్థాపన ప్రారంభించే ముందు, సూచనలను జాగ్రత్తగా చదవండి. ఇన్‌స్టాలేషన్ సమయంలో సిస్టమ్ PATHకు పైథాన్‌ని జోడించాలని నిర్ధారించుకోండి.

పైథాన్ యొక్క సంస్థాపనను ధృవీకరించండి

వ్యక్తిగత కంప్యూటర్‌లో పైథాన్ విజయవంతంగా ఇన్‌స్టాల్ చేయబడిందని నిర్ధారించుకోవడానికి, కమాండ్ ప్రాంప్ట్ (విండోస్‌లో) లేదా టెర్మినల్ (లినక్స్‌లో) తెరిచి, పైథాన్ ఆదేశాన్ని నమోదు చేసి, 'Enter' బటన్‌ను నొక్కండి. కమాండ్ విజయవంతంగా అమలు చేయబడిన తర్వాత, ఆపరేటింగ్ సిస్టమ్ టెర్మినల్ విండోలో పైథాన్ సంస్కరణను ప్రదర్శిస్తుంది. కింది ఉదాహరణలో, కింది స్నిప్పెట్‌లో చూపిన విధంగా పైథాన్ 3.11.1 వెర్షన్ పేర్కొన్న కంప్యూటర్‌లో ఇన్‌స్టాల్ చేయబడింది:

దశ 2: వర్చువల్ ఎన్విరాన్‌మెంట్‌ను సెటప్ చేయండి

వ్యక్తిగత సిస్టమ్-వైడ్ పైథాన్ ప్యాకేజీల నుండి MLflow డిపెండెన్సీలను వేరు చేయడానికి వర్చువల్ వాతావరణాన్ని రూపొందించడం ఒక అద్భుతమైన విధానం. ఇది అవసరం లేనప్పటికీ, MLflow కోసం ప్రైవేట్ వర్చువల్ వాతావరణాన్ని సెటప్ చేయడం గట్టిగా సలహా ఇవ్వబడింది. దీన్ని చేయడానికి, కమాండ్ లైన్ తెరిచి, మీరు పని చేయాలనుకుంటున్న ప్రాజెక్ట్ డైరెక్టరీకి వెళ్లండి. మేము Windows ఉపయోగిస్తున్నందున D డ్రైవ్‌లోని “వర్క్” ఫోల్డర్‌లో ఉన్న పైథాన్ డైరెక్టరీకి నావిగేట్ చేయడానికి. వర్చువల్ వాతావరణాన్ని నిర్మించడానికి, తదుపరి ఆదేశాన్ని అమలు చేయండి:

పైన పేర్కొన్న ఆదేశం పైథాన్‌ని ఉపయోగిస్తుంది మరియు ప్రస్తుత డైరెక్టరీలో వర్చువల్ వాతావరణాన్ని సృష్టించడానికి -m (మేక్) స్విచ్‌ని అంగీకరిస్తుంది. “venv” అనేది వర్చువల్ పర్యావరణాన్ని సూచిస్తుంది మరియు పర్యావరణం పేరు తర్వాత ఈ ఉదాహరణలో “MLFlow-ENV” ఉంటుంది. కింది స్నిప్పెట్‌లో ఇచ్చిన విధంగా ఈ కమాండ్‌ని ఉపయోగించడంతో వర్చువల్ ఎన్విరాన్‌మెంట్ సృష్టించబడుతుంది:

వర్చువల్ ఎన్విరాన్మెంట్ విజయవంతంగా సృష్టించబడినట్లయితే, గతంలో పేర్కొన్న కమాండ్ 'MLFlow-ENV' ఫోల్డర్‌ను ఉత్పత్తి చేసిందని గమనించడానికి మేము 'వర్కింగ్ డైరెక్టరీ'ని తనిఖీ చేయవచ్చు, ఇది క్రింది పేర్లతో మరో మూడు డైరెక్టరీలను కలిగి ఉంది:

• చేర్చండి
• లిబ్
• స్క్రిప్ట్‌లు

పైన పేర్కొన్న ఆదేశాన్ని ఉపయోగించిన తర్వాత, పైథాన్ ఫోల్డర్ యొక్క డైరెక్టరీ నిర్మాణం ఎలా ఉంటుందో ఇక్కడ ఉంది - ఇది కింది వాటిలో జాబితా చేయబడిన విధంగా వర్చువల్ వాతావరణాన్ని ఉత్పత్తి చేస్తుంది:

దశ 3: వర్చువల్ ఎన్విరాన్‌మెంట్‌ని యాక్టివేట్ చేయండి

ఈ దశలో, మేము 'స్క్రిప్ట్స్' ఫోల్డర్‌లో ఉన్న బ్యాచ్ ఫైల్ సహాయంతో వర్చువల్ ఎన్విరాన్‌మెంట్‌ను సక్రియం చేస్తాము. కింది స్క్రీన్‌షాట్ విజయవంతమైన సక్రియం తర్వాత వర్చువల్ పర్యావరణం పనిచేస్తుందని చూపిస్తుంది:

దశ 4: MLflow ఇన్‌స్టాల్ చేస్తోంది

ఇప్పుడు, MLflowని ఇన్‌స్టాల్ చేసే సమయం వచ్చింది. వర్చువల్ పర్యావరణాన్ని సక్రియం చేసిన తర్వాత (మీరు ఒకదాన్ని సృష్టించాలని ఎంచుకుంటే), ఈ క్రింది విధంగా పిప్ ఆదేశాన్ని ఉపయోగించి MLflowను ఇన్‌స్టాల్ చేయండి:

MLflow ఇన్‌స్టాలేషన్ అవసరమైన ఫైల్‌లను ఇంటర్నెట్ నుండి డౌన్‌లోడ్ చేస్తుందని మరియు వాటిని వర్చువల్ ఎన్విరాన్‌మెంట్‌కి ఇన్‌స్టాల్ చేస్తోందని క్రింది స్నిప్పెట్ చూపిస్తుంది:

ఇంటర్నెట్ వేగాన్ని బట్టి MLflow కొంత సమయం పడుతుంది. MLflow ఇన్‌స్టాలేషన్ విజయవంతంగా పూర్తయినట్లు క్రింది స్క్రీన్ ప్రదర్శిస్తుంది.

స్నిప్పెట్ యొక్క చివరి పంక్తి పిప్ యొక్క ఇటీవలి వెర్షన్ ఇప్పుడు అందుబాటులో ఉందని సూచిస్తుంది; పిప్‌ని అప్‌డేట్ చేయాలా వద్దా అనేది తుది వినియోగదారుని నిర్ణయిస్తుంది. ఇన్‌స్టాల్ చేయబడిన పిప్ యొక్క సంస్కరణ ఎరుపు రంగు '22.3.1'లో ప్రదర్శించబడుతుంది. మేము పిప్‌ను 23.2.1 సంస్కరణకు అప్‌గ్రేడ్ చేస్తున్నందున, నవీకరణను పూర్తి చేయడానికి క్రింది జాబితా చేయబడిన ఆదేశాన్ని నమోదు చేయండి:

కింది స్క్రీన్ తాజా 23.2.1 వెర్షన్‌కి పిప్ విజయవంతంగా అప్‌గ్రేడ్ చేయబడిందని చూపిస్తుంది:

దశ 5: MLflow ఇన్‌స్టాలేషన్‌ను నిర్ధారించండి

MLflow ఇన్‌స్టాలేషన్‌ని ధృవీకరించడం అనేది చివరిది కాని ముఖ్యమైన దశ. MLflow ఇన్‌స్టాలేషన్ విజయవంతమైందో లేదో నిర్ధారించడానికి ఇది సమయం. ప్రస్తుతం PCలో ఇన్‌స్టాల్ చేయబడిన MLflow సంస్కరణను తనిఖీ చేయడానికి, కింది ఇచ్చిన ఆదేశాన్ని అమలు చేయండి:

MLflow యొక్క 2.5.0 వెర్షన్ వర్కింగ్ మెషీన్‌లో ఇన్‌స్టాల్ చేయబడిందని క్రింది స్నిప్పెట్ ప్రదర్శిస్తుంది:

దశ 6: MLflow సర్వర్‌ను ప్రారంభించండి (ఐచ్ఛిక దశ)

MLflow సర్వర్‌ని ప్రారంభించడానికి తదుపరి ఆదేశాన్ని అమలు చేయండి, తద్వారా వెబ్ వినియోగదారు ఇంటర్‌ఫేస్ అందుబాటులో ఉంటుంది:

కింది స్క్రీన్ లోకల్ హోస్ట్ (127.0.0.1) మరియు పోర్ట్ 5000 వద్ద సర్వర్ పనిచేస్తున్నట్లు చూపుతుంది:

వెబ్ ఇంటర్‌ఫేస్‌ని ఉపయోగించి అదనపు ప్రయోగాలను జోడించడానికి 'ప్రయోగాలు' పక్కన ఉన్న 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 (+) చిహ్నం వద్ద సర్వర్ డిఫాల్ట్‌గా పనిచేస్తుంది. MLflow సర్వర్ యొక్క వెబ్ UI యొక్క స్క్రీన్ షాట్ ఇక్కడ ఉంది:

సర్వర్ పోర్ట్‌ను ఎలా మార్చాలి

MLflow సర్వర్ సాధారణంగా పోర్ట్ 5000లో పనిచేస్తుంది. అయితే, పోర్ట్‌ను ప్రాధాన్య సంఖ్యకు మార్చవచ్చు. నిర్దిష్ట పోర్ట్‌లో MLflow సర్వర్‌ని ప్రారంభించడానికి ఈ సూచనలను అనుసరించండి:

కమాండ్ ప్రాంప్ట్, పవర్‌షెల్ లేదా టెర్మినల్ విండోను తెరవండి.
కీబోర్డ్ నుండి విండోస్ కీని నొక్కండి. అప్పుడు, 'cmd' లేదా 'powershell' నొక్కండి మరియు కీని విడుదల చేయండి.
MLflow ఇన్‌స్టాల్ చేయబడిన వర్చువల్ ఎన్విరాన్‌మెంట్‌ను ఆన్ చేయండి (ఇది ఒకటి చేసిందని భావించండి).
MLflow సర్వర్‌ను ప్రారంభించేటప్పుడు PORT_NUMBERని కావలసిన పోర్ట్ నంబర్‌తో భర్తీ చేయండి:

mlflow సర్వర్ –పోర్ట్ PORT_NUMBER

అవసరమైన పోర్ట్‌లో MLflow సర్వర్‌ను ప్రారంభించడానికి mlflow-server-7000ని డెమోగా అమలు చేయండి:

ఇప్పుడు, వెబ్ బ్రౌజర్ యాప్‌ను ప్రారంభించడం ద్వారా నియమించబడిన పోర్ట్ MLflow సర్వర్ ద్వారా ఉపయోగించబడుతుంది మరియు Mlflow వెబ్ UIని యాక్సెస్ చేయడానికి క్రింది URLని ఇన్‌పుట్ చేయండి. PORT_NUMBERని తప్పనిసరి పోర్ట్ నంబర్‌తో భర్తీ చేయండి:

http://localhost:PORT_NUMBER

మునుపటి దశలో ఎంచుకున్న పోర్ట్ “PORT_NUMBER”కి ప్రత్యామ్నాయంగా ఉండాలి (ఉదాహరణకు: http://localhost:7000 )

దశ 7: MLflow సర్వర్‌ని ఆపివేయండి

పారామితులను లాగ్ చేయడానికి, ప్రయోగాలను ట్రాక్ చేయడానికి మరియు వెబ్ UIని ఉపయోగించి ఫలితాలను పరిశీలించడానికి MLflowని ఉపయోగిస్తున్నప్పుడు, MLflow సర్వర్ ఆపరేటింగ్‌లో ఉండాలని గుర్తుంచుకోండి.

MLflow సర్వర్ ఎగ్జిక్యూషన్‌ను ఆపడానికి, కమాండ్ ప్రాంప్ట్‌లో 'Ctrl + C' లేదా సర్వర్ రన్ అవుతున్న పవర్‌షెల్ నొక్కండి. సర్వర్ పని చేయడం విజయవంతంగా ఆగిపోయినట్లు స్క్రీన్ ఇక్కడ చూపబడింది.

ముగింపు

MLflowతో, తుది వినియోగదారు బహుళ మెషీన్ లెర్నింగ్ ప్రాజెక్ట్‌లను బలమైన మరియు సరళమైన ఫ్రేమ్‌వర్క్‌తో నిర్వహించగలరు, ఇది ప్రయోగాలను ట్రాక్ చేయడం మరియు సరిపోల్చడం, ఫలితాలను పునరావృతం చేయడం మరియు మెషీన్ లెర్నింగ్ మోడల్‌లను రూపొందించడం మరియు మెరుగుపరచడంపై దృష్టి కేంద్రీకరించడానికి బృంద సభ్యులతో విజయవంతంగా పని చేయడం వంటివి చేయగలదు. MLflow సహాయంతో ప్రయోగాలను నిర్మాణాత్మకంగా మరియు పునరావృతమయ్యేలా ఉంచడం.