1. MLflow 설치

• Prerequisite
  • 터미널 사용이 가능한 os
    • Ubuntu 20.04 사용
  • python 가상 환경
    • conda
      • mlflow models serve 할 때(서빙할 때) 필요
    • 3.8.5 사용
      • (3.6 이상)
    • pip3
• How to Install

# 새로운 디렉토리를 하나 생성한 뒤, 이동해주세요
mkdir mlflow-tutorial
cd mlflow-tutorial

# conda 가상환경 세팅
# python 버전 확인
python -V

pip install mlflow==1.20.2

mlflow --version
# mlflow, version 2.11.3

---

2. MLflow tracking server 띄워보기

mlflow ui --help
# mlflow tracking server 를 띄웁니다.
# UI (dashboard) 의 default url 은 http://localhost:5000 입니다.
# 5000 포트가 열려있는지 확인해주세요.
# production 용으로는 mlflow ui 대신 mlflow server 를 사용하라는 안내가 출력됩니다.

mlflow server --help
# mlflow server 는 worker 를 여러 개 띄울 수 있고, prometheus 가 metrics 을 가져갈 수 있도록 엔드포인트를 제공하는 등의 추가적인 기능이 존재합니다.

• 이번 강의에서는 로컬에서 띄울 것이고, 사용자가 단 한 명이기에 더 가벼운 mlflow ui 로 MLflow tracking server 를 띄우겠습니다.

mlflow ui

• 노트북에서 5000 번 포트가 사용중이 아니었다면, 다음과 같이 http://127.0.0.1:5000 로 접속하면 된다는 안내가 출력됩니다.
  • 일반적인 경우라면 127.0.0.1 과 localhost 는 동일하게 여러분의 컴퓨터 자신을 접속하는 주소를 의미합니다.
    
• 해당 터미널을 켜둔 상태에서, http://localhost:5000 으로 접속합니다.
  • 터미널이 꺼지면 MLflow tracking server 도 종료됩니다.
• 아래와 같은 화면이 나타난다면, 정상적으로 MLflow tracking server 가 생성된 것을 의미합니다.
  
• 다른 터미널을 열어서, 동일한 디렉토리로 이동하여, mlruns 라는 디렉토리가 생성된 것을 확인합니다.
  • mlflow ui 실행 시 --backend-store-uri, --default-artifact-root 옵션을 주지 않은 경우, mlflow ui 를 실행한 디렉토리에 mlruns 라는 디렉토리를 생성한 뒤, 이 곳에 실험 관련 데이터를 저장하게 됩니다.

cd mlflow-tutorial

ls
cd mlruns
cat 0/meta.yaml
# 무언가 채워진 것을 확인할 수 있습니다.

• 이 디렉토리만 존재한다면, mlflow ui 터미널을 종료한 뒤, 다시 실행시켜도 동일한 화면을 볼 수 있게 됩니다.