[주간학습 정리] Week10

 

팀 프로젝트를 진행하면서 모델 실험 결과를 기록해야 했다

한 팀원이 처음에는 구글의 word를 이용해서 해당 내용을 기록 및 공유했다. 이렇게 하니깐 작성하는 사람도 힘들고 공유를 받는 사람도 힘든 상황이 많았다. 심지어는 내용을 적어놓고 나중에 보니깐 제대로 적은게 맞는지 의심을 하게되는 상황도 발생했다. 그래서 이전에 사용해본 경험이 있는 MLflow를 적용해보기로 했다.

 

MLflow: 머신러닝 실험과 모델 관리를 위한 오픈소스

머신러닝 라이프사이클을 관리하고, 실험 추적, 모델 패키징, 배포 및 협업을 지원한다.

 

MLflow의 구성요소는 크게 4가지로 tracking, projects, models, model registry로 구성 되어있다.

이중 MLflow Tracking은 머신러닝 모델의 학습 과정을 기록하고, 하이퍼파라미터, 메트릭, 태그 등 다양한 정보를 저장하여 관리한다. 이를 통해 실험 결과를 비교하고 분석할수 있다.

 

 

MLflow 설치

 

MLflow tracking server 띄우기

 

URL(http://127.0.0.1:5000) 접속 후 화면

• 기본 포트: 5000

 

MLflow tracking 주요 명령어

• mlflow.log_param()
• mlflow.log_metric()
• mlflow.log_model()
• mlflow.log_artifact()
• mlflow.set_experiment()
• mlflow.autolog()

예시)

• log_*
  • 로그 기록
  •  

 

 

• set_experiment
  • experiment 설정
  • experiment가 없는경우 새로 만들어줌
  •  

 

추가적으로 아래 이미지는 실제 프로젝트 적용 전과 후 이미지이다.

적용 전

• 구글 word 중 일부
•  

 

적용 후

• mlflow 화면
•