MLflow 导出导入工具使用教程
mlflow-export-import项目地址:https://gitcode.com/gh_mirrors/ml/mlflow-export-import
项目目录结构及介绍
MLflow 导出导入工具的 GitHub 仓库结构如下:
mlflow-export-import/
├── README.md
├── setup.py
├── mlflow_export_import/
│ ├── __init__.py
│ ├── experiment/
│ │ ├── export_experiment.py
│ │ ├── import_experiment.py
│ ├── model/
│ │ ├── export_model.py
│ │ ├── import_model.py
│ ├── bulk/
│ │ ├── export_models.py
│ │ ├── import_models.py
│ ├── common/
│ │ ├── utils.py
│ ├── workflow_api/
│ │ ├── README.md
├── tests/
│ ├── README.md
│ ├── open_source/
│ │ ├── README.md
│ ├── databricks/
│ │ ├── README.md
├── databricks_notebooks/
│ ├── README.md
主要目录和文件介绍:
mlflow_export_import/
: 包含所有导出和导入功能的实现。experiment/
: 实验的导出和导入脚本。model/
: 模型的导出和导入脚本。bulk/
: 批量导出和导入脚本。common/
: 通用工具和辅助函数。workflow_api/
: 工作流API的文档。
tests/
: 测试脚本和文档。databricks_notebooks/
: Databricks 笔记本的文档。
项目的启动文件介绍
项目的启动文件主要集中在 mlflow_export_import/
目录下,具体包括:
export_experiment.py
: 用于导出单个实验。import_experiment.py
: 用于导入单个实验。export_model.py
: 用于导出单个模型。import_model.py
: 用于导入单个模型。export_models.py
: 用于批量导出模型。import_models.py
: 用于批量导入模型。
这些脚本可以通过命令行直接调用,例如:
python -m mlflow_export_import.experiment.export_experiment --experiment-id <experiment_id> --output-dir <output_dir>
项目的配置文件介绍
MLflow 导出导入工具主要通过命令行参数进行配置,没有特定的配置文件。用户可以通过命令行参数指定实验ID、输出目录、目标跟踪服务器等。
例如,导出一个实验的命令如下:
export MLFLOW_TRACKING_URI=http://localhost:5000
python -m mlflow_export_import.experiment.export_experiment --experiment-id <experiment_id> --output-dir /tmp/export
导入一个实验的命令如下:
export MLFLOW_TRACKING_URI=http://localhost:5001
python -m mlflow_export_import.experiment.import_experiment --experiment-name <experiment_name> --input-dir /tmp/export
通过这些命令行参数,用户可以灵活地配置导出和导入操作。
以上是 MLflow 导出导入工具的基本使用教程,希望对您有所帮助。
mlflow-export-import项目地址:https://gitcode.com/gh_mirrors/ml/mlflow-export-import