|
https://dailyheumsi.tistory.com/260?category=980484
https://zzsza.github.io/mlops/2019/01/16/mlflow-basic/
https://docs.microsoft.com/ko-kr/azure/machine-learning/how-to-track-experiments-mlflow
1. mlruns 에 이미 만들어진 모델들이 담겨진 파일 디렉터리 목록을 확인합니다. (파일 확인 시 비효율적인 구조로 되어 있어 확인하기 힘듭니다.)
2. 파일 디렉터리 이동 - 여기서부터 각 RUN_ID 당 어떤 데이터와 파일 디렉터리가 있는지 확인하기 위해 Tree 라이브러리를 다운로드 받습니다.
3. 파일 디렉터리를 Tree 구조로 확인하기 위해 `Tree` 라이브러리를 다운로드 받습니다.
4. `Tree` 명령어를 이용하여 전체 파일 디렉터리 목록을 Tree 구조로 확인합니다.
5. Examples 파일 디렉터리로 돌아가 sklearn_logistic_regression 의 파일 목록을 tree 구조로 확인합니다.
6. Sklearn_logistic_regression/train.py 를 실행시켜, 생성된 RUN ID 의 결과를 확인합니다.
7. RUN ID 가 잘 생성되었는지 mlrun 의 파일 디렉터리를 tree 구조로 확인합니다.
8. MLFlow model serving 을 진행합니다. (mlflow models serve --m runs:/<RUN_ID>/model --no-conda --port 5051
9. Serving model 을 진행 후, 새 Terminal 을 열어 su root 로 사용자 계정 인증 및 /mnt/e/MLOps/mlflow/examples 로 이동합니다.
10. Serving 된 모델이 서버에서 잘 작동되는지 확인합니다. (curl 명령어 활용) (curl -d '{"columns": ["x"], "data": [[1], [-1]]}' -H 'Content-Type: application/json; format-pandas-split' -X POST localhost:5051/invocations)
11. 결과가 빨간색 네모와 같이 나오면 성공입니다.
|