还在用Github打点呆板进修项目？你早该相识这些更专业的新器材！

_get_or_run函数是mlflow.run的一个wrapper。每个挪用函数中的第一个参数为在MLproject文件中界说的entrypoint。每个entrypoint包括情形变量，要运行的呼吁，以及转达给该呼吁的参数。譬喻：

etl_data:    parameters:      ratings_csv: path      max_row_limit: {type: int, default: 100000}    command: "python etl_data.py --ratings-csv {ratings_csv} --max-row-limit {max_row_limit}" 

乍一看感受很是不错。可是这里有几个题目值得思索：

• 假如你的事变流是比直线流程更伟大的环境怎么办?你可以将传给mlflow.run的同步参数设为false，然后守候SubmittedRun工具标志使命已完成。也就是说，可以在MLFlow API上构建流程管道体系。
• 为什么必要处事器?为什么不直接通过呼吁行执行呼吁?增进处事器及其设置使得MLFlow项目标配置越发伟大。
• 怎样停止执行那些不必要的使命?在很多ML项目中，实习模子凡是必要数天时刻。资源应该只有在必要时才应该被行使，譬喻改换数据，修改参数或算法。

DVC可以行使通例呼吁行器材，而且既不必要配置处事器也不必要编写驱动措施。DVC支持行使前面提到的，通过一组DVC文件将事变流界说为有向无环图(DAG)。

我们之条件到了，DVC文件会与添加到workspace中的文件相干联。DVC文件同时还描写了要执行的呼吁：

$ dvc run -d matrix-train.p -d train_model.py           -o model.p           python train_model.py matrix-train.p 20180226 model.p$ dvc run -d parsingxml.R -d Posts.xml           -o Posts.csv           Rscript parsingxml.R Posts.xml Posts.csv 

dvc run呼吁界说了一个DVC文件，个中包括了必要执行的呼吁。-d参数记录了对文件的依靠性，DVC将按照校验总和码来检测文件的变动。-o参数暗示呼吁输出配置。一个呼吁的输出同样可以用于另一个呼吁的输入。通过查察依靠相关和输出，DVC可以计较出执行呼吁的次序。

AI输出(包括实习模子)将被自动的记录在DVC的缓存中，workspace中的其他数据文件也云云。

由于它计较校验和，DVC可以检测到变动的文件。当用户哀求DVC从头执行管道时，它只执行有变革的那部门。输入文件没有变革的环境，DVC可以节减大量模子实习使命所必要的时刻。

全部的执行都行使通例呼吁行，不必要配置处事器。假如你但愿在云计较情形，或在附加GPU的处事器上执行，只必要将代码和数据陈设到该处事器上，并通过呼吁行执行DVC呼吁即可。

总结

我们在进步呆板进修实践原则的试探上已经走了很长一段路。如我们所知，呆板进修规模必要更好的打点器材，以便呆板进修团队可以或许更有用、更靠得住地事变。

功效可复现意味着他人可以评估你已完成的事变，可能协作举办更深层的开拓。可一再性具有许多先决前提，包罗可以或许搜查体系的每个部门，以及可以或许准确地从头运行软件及输入数据。

呆板进修项目中，一些GUI器材有很是大度的用户界面，譬喻Jupyter Notebook。这些器材在呆板进修的事变中占据一席之地。可是，GUI器材不太得当本文接头的原则。呼吁行器材很是得当处理赏罚在靠山运行的使命，而且可以轻松地满意我们上述的全部原则。而一样平常的GUI则会故障这些原则。

正如本文中描写的一样，我们可以从通例软件工程中借用许多器材和实践方法。可是，呆板进修项目标非凡性抉择了我们必要用到更得当其方针的器材。这些有代价的器材包罗：MLFlow，DVC，ModelDb，Git-LFS等等。

相干报道：https://dev.to/robogeek/principled-machine-learning-4eho

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!