使用免费托管的 MLflow 简化您的 MLflow 项目
如果您是 MLflow 的新手，并希望开始使用完全托管且完全免费的 MLflow 部署，本博客将向您展示如何在几分钟内开始使用 MLflow。
简化您的机器学习项目：免费开始使用托管式 MLflow
通过 Databricks Community Edition (CE) 探索大数据和机器学习的世界，它是 Databricks 平台的免费、受限1 版本。对于 Databricks 和 MLflow 的初学者和新手来说，此版本通过提供托管环境来简化学习曲线。它消除了手动设置跟踪服务器的复杂性。Databricks CE 包括托管式 MLflow，可实现 MLflow 实验的高效管理和可视化。这使其成为在用户友好的界面中开发机器学习项目的首选，允许您从您喜欢的 IDE、笔记本环境，甚至从 Databricks CE 的笔记本中连接。
使用 Databricks CE for MLflow 的好处
MLflow 是一个与任何平台兼容的开源框架，但与在其他平台上使用相比，在 Databricks（包括社区版 CE）上使用时具有明显的优势。这些优势包括：
-
成本效益高：Databricks CE 上的 MLflow 免费，非常适合教育目的和小型项目。
-
设置简单：从任何位置访问完全托管的跟踪服务器和用户界面。要连接到 Databricks CE，只需执行
mlflow.login()。 -
易于共享：在 Databricks 生态系统中，共享您的笔记本既简单又省心。
-
无缝集成：Databricks CE 允许直接存储和可视化 MLflow 实验、运行和模型。
-
可扩展性：Databricks CE 上的 MLflow 为扩展您的项目提供了便捷的途径。它还与 Databricks 平台上提供的各种数据工具无缝集成。
场景
在本博客中，我们将逐步介绍如何在本地设备上运行机器学习实验，并在Databricks CE 上托管的 MLflow 跟踪服务器上跟踪它们
为了让您了解运行 MLflow 的可用选项，下图显示了常见设置配置的可能性。
对于本博客，我们展示的是 #3，使用远程（完全托管的）跟踪服务器。
分步指南
1. 创建 Databricks CE 帐户
如果您还没有，可以注册一个免费帐户。过程很快，通常不超过 3 分钟。
填写注册表并选择“开始使用社区版”。
注册后，您将获得有关如何设置密码的信息，您可以使用该密码登录到 CE2。
2. 安装依赖项
开始之前，请确保已安装必要的软件包。在您喜欢的 IDE 或设备上的笔记本中运行以下命令
%pip install -q mlflow databricks-sdk
3. 设置 Databricks CE 身份验证
Databricks 社区版 (CE) 的主要优点是其便利性：它提供了一个 MLflow 跟踪服务器，而无需本地基础设施设置。在创建 CE 帐户后，您可以通过 mlflow.login() 函数轻松访问此服务器，从而简化 MLflow 实验跟踪过程。
要使用 Databricks CE 进行身份验证，请使用 mlflow.login() 函数。这将提示您输入
-
Databricks 主机：
https://community.cloud.databricks.com/ -
用户名：您的 Databricks CE 电子邮件地址。
-
密码：您的 Databricks CE 密码。
成功认证后，您将看到确认消息。
import mlflow
mlflow.login()
# Follow the prompts for authentication
4. 连接到托管式 MLflow 并使用 Databricks CE 跟踪实验
从本地机器登录后，使用 mlflow.set_experiment() 启动一个实验并记录一些指标。例如
mlflow.set_experiment("/Users/\<email>/check-databricks-ce-connection")
with mlflow.start_run():
mlflow.log_metric("foo", 1)
mlflow.log_metric("bar", 2)
注意：Databricks 环境要求您设置带有目录（从根目录开始）的实验
/Users/{您的帐户电子邮件地址}/{您的实验名称}，这与自托管 MLflow（以及在本地运行 MLflow 时）的行为不同。
5. 在 Databricks CE 中查看您的实验
现在让我们导航到 Databricks CE 来查看实验结果。登录您的 Databricks CE 帐户，然后单击左上角在下拉列表中选择机器学习。最后，单击实验图标。请参见下面的屏幕截图
导航到机器学习部分
导航到 MLflow 用户界面
在“实验”视图中，您应该能够找到实验 /Users/{您的电子邮件}/check-databricks-ce-connection，类似于
点击运行名称，在此示例中是“youthful-lamb-287”（请注意，您将在 CE 控制台中看到一个不同的随机生成名称），将带您进入运行视图，看起来类似于以下内容
在运行视图中，您将看到我们的虚拟指标 “foo” 和 “bar” 已成功记录。
6. 在 Databricks CE 中运行任何 MLflow 教程
如果您想尝试 MLflow 网站上的教程，可以使用 Databricks CE 快速测试（并修改，如果您愿意）教程。例如，如果您想测试创建自定义 Pyfunc 教程
- 单击“工作区”并选择“导入笔记本”
-
使用
URL选项直接从 MLflow 文档网站导入笔记本。对于此示例，要导入，请将 URL 的最后一个元素从html替换为ipynb。这适用于 MLflow 网站上托管的任何教程或指南笔记本。.../notebooks/basic-pyfunc.
html→ .../notebooks/basic-pyfunc.ipynb3
结论
Databricks 社区版 (CE) 提供了一个可访问的协作平台，用于 MLflow 实验跟踪，具有多种优势。其设置过程轻松快捷，提供用户友好的体验。此外，它是免费的，使其成为初学者、学习者和小型项目的理想选择。
入门
在 Databricks 上尝试此笔记本
延伸阅读
-
了解有关设置跟踪服务器的不同方法的更多信息
-
了解有关使用 Databricks CE 运行教程笔记本的更多信息