使用 MLflow 和子运行进行超参数调优 - Notebooks
如果您想完整地查看本指南中的 notebooks，可以查看或下载下面的每个 notebook。
主要 Notebook - 在 MLflow 中使用子运行进行超参数调优
本指南的主要 notebook 提供了一个使用 MLflow 执行超参数调优的完整端到端示例。我们引入了子运行的概念，作为在执行这项基本且非常常见的 MLOps 任务时，组织和整理 Experiment 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。
- 绘图记录 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 使您熟悉强大的最先进的调优优化工具。
- 记录试验 确保迭代调优事件可以从先前的测试中受益，从而减少搜索空间以更快地获得更好的结果。
- 使用我们最佳的已保存模型进行批量推理。
补充 Notebook - 父子运行关系
此 notebook 探讨了 MLflow 中父运行和子运行的优势和用法。 在其中，我们探讨了在有和没有使用子运行的情况下进行一系列训练事件的比较，展示了嵌套运行的优势。
此 notebook 的最后有一个挑战，鼓励您探索运行中父级和子级之间更深入的交互，以进一步利用大量运行的分层结构的优势。
我们鼓励您尝试一下！
查看 Notebook补充 Notebook - 在 MLflow 中记录绘图
此 notebook 展示了围绕记录与机器学习生命周期相关的重要绘图的最佳实践。 从数据调查和报告绘图到模型评估绘图，我们深入研究 MLflow 对记录绘图的本机支持，这些绘图对于确保建模活动的可追溯性和可观察性至关重要。
此 notebook 的最后有一个挑战，鼓励您了解批量记录绘图目录。 我们强烈建议您尝试一下该挑战，并更深入地了解如何在记录的 MLflow 运行中组织相关的绘图和图形，以确保审核员更容易进行审核和导航。
在您的环境中运行 Notebooks
此外，如果您想在本地下载副本以在自己的环境中运行，您可以通过单击本指南中每个 notebook 的相应链接进行下载
为了运行 notebooks，请确保您已启动本地 MLflow Tracking Server，或者修改 mlflow.set_tracking_uri() 值以指向正在运行的 MLflow Tracking Server 实例。 为了与 MLflow UI 交互，请确保您要么在本地运行 UI 服务器，要么拥有一个配置的已部署的 MLflow UI 服务器，您可以访问该服务器。