英文链接：https://mlflow.org/docs/latest/tutorial.html
本文链接：https://www.cnblogs.com/CheeseZH/p/11943280.html
这篇教程展示了如何：
- 训练一个线性回归模型
- 将训练代码打包成一个可复用可复现的模型格式
- 将模型部署成一个简单的HTTP服务用于进行预测
这篇教程使用的数据来自UCI的红酒质量数据集，主要用于根据红酒的PH值，酸度，残糖量等指标来评估红酒的质量。
我们会用到什么？- 如果使用的是MacOS，官方推荐使用python3环境。
- 安装MLflow和scikit-learn，推荐两种安装方式：
- 安装MLflow及其依赖：
pip install mlflow[extras] - 分别安装MLflow(
pip install mlflow)和scikit-learn(pip install scikit-learn)
- 安装MLflow及其依赖：
- 安装conda
- 我安装的是miniconda
我们要训练的线性回归模型包含两个超参数:alpha和l1_ratio。
我们使用下边的train.py代码进行训练
# The data set used in this example is from http://archive.ics.uci.edu/ml/datasets/Wine+Quality
# P. Cortez, A. Cerdeira, F. Almeida, T. Matos and J. Reis.
# Modeling wine preferences by data mining from physicochemical properties. In Decision Support Systems, Elsevier, 47(4):547-553, 2009.
import os
import warnings
import sys
import pandas as pd
import numpy as np
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
from sklearn.model_selection import train_test_split
from sklearn.linear_model import ElasticNet
import mlflow
import mlflow.sklearn
import logging
logging.basicConfig(level=logging.WARN)
logger = logging.getLogger(__name__)
def eval_metrics(actual, pred):
rmse = np.sqrt(mean_squared_error(actual, pred))
mae = mean_absolute_error(actual, pred)
r2 = r2_score(actual, pred)
return rmse, mae, r2
if __name__ == "__main__":
warnings.filterwarnings("ignore")
np.random.seed(40)
# Read the wine-quality csv file from the URL
csv_url =
'http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv'
try:
data = pd.read_csv(csv_url, sep=';')
except Exception as e:
logger.exception(
"Unable to download training & test CSV, check your internet connection. Error: %s", e)
# Split the data into training and test sets. (0.75, 0.25) split.
train, test = train_test_split(data)
# The predicted column is "quality" which is a scalar from [3, 9]
train_x = train.drop(["quality"], axis=1)
test_x = test.drop(["quality"], axis=1)
train_y = train[["quality"]]
test_y = test[["quality"]]
alpha = float(sys.argv[1]) if len(sys.argv) > 1 else 0.5
l1_ratio = float(sys.argv[2]) if len(sys.argv) > 2 else 0.5
with mlflow.start_run():
lr = ElasticNet(alpha=alpha, l1_ratio=l1_ratio, random_state=42)
lr.fit(train_x, train_y)
predicted_qualities = lr.predict(test_x)
(rmse, mae, r2) = eval_metrics(test_y, predicted_qualities)
print("Elasticnet model (alpha=%f, l1_ratio=%f):" % (alpha, l1_ratio))
print(" RMSE: %s" % rmse)
print(" MAE: %s" % mae)
print(" R2: %s" % r2)
mlflow.log_param("alpha", alpha)
mlflow.log_param("l1_ratio", l1_ratio)
mlflow.log_metric("rmse", rmse)
mlflow.log_metric("r2", r2)
mlflow.log_metric("mae", mae)
mlflow.sklearn.log_model(lr, "model")
这个例子用pandas，numpy，sklearn的API构建了一个简单的机器学习模型。通过MLflow tracking APIs来记录每次训练的信息，比如模型超参数和模型的评价指标。这个例子还将模型进行了序列化以便后续部署。
我们用不同的超参数训练几次模型
python train.py 0.5 0.5
python train.py 0.4 0.4
python train.py 0.6 0.6
每次运行完训练脚本，MLflow都会将信息保存在目录mlruns中。
在mlruns目录的上级目录中运行下边的命令：
mlflow ui
然后就可以通过http://localhost:5000来查看每个版本的模型了。
我们可以通过搜索功能快速筛选感兴趣的模型，比如搜索条件设置为metrics.rmse<0.8可以将rmse小于0.8的模型找出来，如果更复杂的搜索条件，可以下载CSV文件并用其他软件进行分析。
我们已经写好了训练代码，可以将其打包提供给其他的数据科学家来复用，或者可以进行远程训练。
我们根据MLflow Projects的惯例来指定代码的依赖和代码的入口。比如创建一个sklearn_elasticnet_wine目录，在这个目录下创建一个MLproject文件来指定项目的conda依赖和包含两个参数alpha/l1_ratio的入口文件。
# sklearn_elasticnet_wine/MLproject
name: tutorial
conda_env: conda.yaml
entry_points:
main:
parameters:
alpha: float
l1_ratio: {type: float, default: 0.1}
command: "python train.py {alpha} {l1_ratio}"
conda.yaml文件列举了所有依赖：
# sklearn_elasticnet_wine/conda.yaml
name: tutorial
channels:
- defaults
dependencies:
- numpy=1.14.3
- pandas=0.22.0
- scikit-learn=0.19.1
- pip:
- mlflow
通过执行mlflow run examples/sklearn_elasticnet_wine -P alpha=0.42可以运行这个项目，MLflow会根据conda.yaml的配置在指定的conda环境中训练模型。
如果代码仓库的根目录有MLproject文件，也可以直接通过Github来运行，比如代码仓库：https://github.com/mlflow/mlflow-example。我们可以执行这个命令mlflow run git@github.com:mlflow/mlflow-example.git -P alpha=0.42来训练模型。
我们通过MLflow Models来部署模型。一个MLflow Model是一种打包机器学习模型的标准格式，可以被用于多种下游工具，比如实时推理的REST API或者批量推理的Apache Spark。
在训练代码中，这行代码用于保存模型（原文称为artifact，暂且翻译成模型产品吧）：
mlflow.sklearn.log_model(lr, "model")
我们可以在UI中通过点击Date链接来查看每次训练的模型产品，例如：
在底部，我们可以看到通过调用mlflow.sklearn.log_model产生了两个文件，位于类似目录/Users/mlflow/mlflow-prototype/mlruns/0/7c1a0d5c42844dcdb8f5191146925174/artifacts/model。MLmodel元数据文件是告诉MLflow如何加载模型。model.pkl文件是训练好的序列化的线性回归模型。
运行下边的命令，可以将模型部署成本地REST服务(要确保训练模型和部署模型所用的python版本一致，否则会报错)：
# 需要替换成你自己的目录
mlflow models serve -m /Users/mlflow/mlflow-prototype/mlruns/0/7c1a0d5c42844dcdb8f5191146925174/artifacts/model -p 1234
部署好服务之后，可以通过curl命令发送json序列化的pandas DataFrame来测试下。模型服务器接受的数据格式可以参考MLflow deployment tools documentation.
curl -X POST -H "Content-Type:application/json; format=pandas-split"
--data '{"columns":["alcohol", "chlorides", "citric acid", "density", "fixed acidity", "free sulfur dioxide", "pH", "residual sugar", "sulphates", "total sulfur dioxide", "volatile acidity"],"data":[[12.8, 0.029, 0.48, 0.98, 6.2, 29, 3.33, 1.2, 0.39, 75, 0.66]]}'
http://127.0.0.1:1234/invocations
服务器会返回类似输出：
[6.379428821398614]