Installer MLflow

Spark est une plateforme open-source de traitement de données volumineuses. Au fil des années, Spark s'est imposé comme l'outil de référence pour l'ingénierie de données. Dans ce guide ultime, je vous présente PySpark, l'API Python de Spark.

Installer Anaconda

Je vous recommande d'utiliser Scikit-learn avec Anaconda. Si vous n'avez pas encore Anaconda installé, suiviez ce tutoirel pour l'installer Installer Anaconda.

Créer un environnement virtuel

Scikit-learn est installé par défaut dans l'environnement de base. Toutefois je vous recommande fortement de créer un environnement virtuel afin de préserver cet environnement de base. Lancez Anaconda Prompt et faites la commande suivante:

conda create --name mlops

Cette commande va créer une environnement virtuel avec le nom ml, tapez y pour confirmer la création.

Activer l'environnement virtuel

Une fois l'environnement virtuel créé, il faut l'activer avec la commande suivante.

conda activate mlops

Installer MLflow

MLflow peut-être installé depuis le gestionnaire de packages Pypi avec la commande suivante.

pip install mlflow

Démarrer MLflow Server

mlflow server --host 127.0.0.1 --port 8080

Importer MLflow

Scikit-learn est importé sous le nom mlflow

import mlflow

Vérifier la version

Une console s'ouvre comme ci-dessous

print(mlflow.__version__)

Le code source de Scikit-learn est disponible sur MLflow @mlflow/mlflow.

Déployer avec Docker

---

.

Partagez sur les réseaux sociaux

Commentaires