跳到主要内容

启动 MLflow 跟踪服务器

在深入了解 MLflow 丰富的功能之前，让我们先设置基础组件：MLflow Tracking Server 和 MLflow UI。本指南将引导您完成启动和运行这两个组件的步骤。

设置 MLflow​

我们需要做的第一件事是获取 MLflow。

步骤 1：从 PyPI 安装 MLflow​

MLflow 可以方便地在 PyPI 上找到。安装它就像运行一个 pip 命令一样简单。

pip install mlflow

步骤 2（可选）：启动 MLflow Tracking Server​

如果您想通过利用 MLflow Tracking Server 的托管实例来使用更简单的解决方案，请在此处查看有关选项的详细信息。

首先，您需要启动 MLflow Tracking Server。请记住在教程期间保持命令提示符运行，因为关闭它将关闭服务器。

mlflow server --host 127.0.0.1 --port 8080

服务器开始运行后，您应该看到以下输出

[2023-11-01 10:28:12 +0900] [28550] [INFO] Starting gunicorn 20.1.0
[2023-11-01 10:28:12 +0900] [28550] [INFO] Listening at: http://127.0.0.1:8080 (28550)
[2023-11-01 10:28:12 +0900] [28550] [INFO] Using worker: sync
[2023-11-01 10:28:12 +0900] [28552] [INFO] Booting worker with pid: 28552
[2023-11-01 10:28:12 +0900] [28553] [INFO] Booting worker with pid: 28553
[2023-11-01 10:28:12 +0900] [28555] [INFO] Booting worker with pid: 28555
[2023-11-01 10:28:12 +0900] [28558] [INFO] Booting worker with pid: 28558
...
注意

请记住您的 MLflow Tracking Server 被分配的主机名和端口名。在本教程的下一部分中，您将需要此信息！

恭喜！您的 MLflow 环境现在已设置完毕并可以使用。随着您的进步，您将探索 MLflow 提供的众多功能，从而简化和增强您的机器学习工作流程。

现在您可以继续到本教程的下一部分，或者返回到教程列表。