使用 MLflow 和子运行进行超参数调优 - 笔记本
如果您想完整查看本指南中的笔记本，可以点击下方链接进行查看或下载。
主笔记本 - 使用 MLflow 中的子运行进行超参数调优
本指南的主笔记本提供了一个使用 MLflow 执行超参数调优的端到端工作示例。我们引入了子运行的概念，作为在执行这项基本且高度常见的 MLOps 任务时组织和整理实验运行的一种方式。
您将学到什么
- 运行嵌套将超参数调优的迭代与基于事件的父运行相关联。
- 图表日志捕获并记录有关超参数调优过程的相关信息。
- 将 Optuna 与 MLflow 结合使用，以熟悉强大的最先进的调优优化工具。
- 记录试验以确保迭代调优事件可以受益于先前的测试，从而缩小搜索空间以更快地获得更好的结果。
- 使用我们保存的最佳模型进行批量推理。
补充笔记本 - 父子运行关系
本笔记本探讨了 MLflow 中父子运行的优点和用法。在其中，我们比较了使用和不使用子运行进行一系列训练事件，演示了嵌套运行的优点。
注意
本笔记本的末尾有一个挑战，鼓励您探索运行中父子之间更深层次的交互，以进一步利用大量运行分层结构的好处。
我们鼓励您尝试一下！
查看 Notebook补充笔记本 - 在 MLflow 中记录图表
本笔记本展示了与机器学习生命周期相关的关键图表记录的最佳实践。从数据调查和报告图表到模型评估图表，我们深入探讨了 MLflow 对记录图表的原生支持，这些图表对于确保建模活动的可追溯性和可观察性至关重要。
注意
本笔记本的末尾有一个挑战，鼓励您学习批量记录图表目录。我们强烈建议您尝试挑战并更深入地了解如何在记录的 MLflow 运行中组织相关图表和图形，以确保审阅者更容易进行审计和导航。
在您的环境中运行笔记本
此外，如果您想在本地下载一份副本以在自己的环境中运行，可以通过点击本指南中每个笔记本的相应链接进行下载。
注意
为了运行笔记本，请确保您已启动本地 MLflow 跟踪服务器，或修改 mlflow.set_tracking_uri() 值以指向正在运行的 MLflow 跟踪服务器实例。为了与 MLflow UI 交互，请确保您在本地运行 UI 服务器，或已配置并可访问已部署的 MLflow UI 服务器。