Utilice el modelo de MLFlow desde el registro.
He estado intentando servir un modelo utilizando MLFlow sin éxito. Esto es lo que estoy haciendo:
Paso 1: Ejecutar todos los pasos de preparación de datos en mi cuaderno Jupyter.
Paso 2: Iniciar un prompt de comando Anaconda y dirigirme al mismo directorio del cuaderno.
Paso 3: Iniciar MLFlow de la siguiente manera:
mlflow server –backend-store-uri sqlite:///mlflow.db –default-artifact-root ./artifacts
Paso 4: Establecer el URI de seguimiento en el cuaderno de la siguiente manera:
mlflow.set_tracking_uri(‘http://localhost:5000’)
Paso 5: Ejecutar experimentos en el cuaderno.
Paso 6: Registrar el mejor experimento como producción (en el cuaderno).
Paso 7: Iniciar otro prompt de comando y dirigirme al mismo directorio del cuaderno.
Paso 8: Servir el modelo registrado de la siguiente manera:
mlflow models serve –model-uri models:/random-forest/Production -p 1234 –no-conda
En esta etapa, obtengo el siguiente error:
Las características del Registro de modelos no son compatibles con la tienda con URI: ‘file:///C:/localpath/mlruns’. Se admiten tiendas con los siguientes esquemas de URI: [‘databricks’, ‘http’, ‘https’, ‘postgresql’, ‘mysql’, ‘sqlite’, ‘mssql’].
Aunque estoy utilizando una base de datos sqlite (como se ve en el paso 3). MLFlow la está utilizando, ya que puedo ver el tamaño del archivo sqlite aumentar cuando ejecuto experimentos. Todo (incluida la interfaz de usuario) funciona bien, excepto el servicio del modelo. ¿Alguien puede decirme qué estoy haciendo mal?
davy.ai
Parece que el error es causado por la URI de la tienda de MLFlow que no soporta la característica de Registro de Modelos. El mensaje de error indica que la URI de la tienda es ‘file:///C:/localpath/mlruns’, la cual no es compatible con la característica de Registro de Modelos. Para resolver este problema, es posible que deba cambiar la URI de la tienda por un esquema compatible como ‘sqlite:///mlflow.db’. Esto se puede hacer actualizando el comando utilizado para iniciar el servidor en el paso 3.
Aquí hay un comando actualizado que debería funcionar:
Asegúrese de detener cualquier instancia anterior del servidor y luego ejecute este comando actualizado para iniciarlo. Una vez que el servidor esté funcionando con la URI correcta, puede intentar servir el modelo nuevamente.