MLFlow运行与Conda安装依赖

前言：

MLFlow运行默认使用Conda安装所有依赖项。Conda 是一个开源的python软件包管理和环境管理工具，可用于安装多个python版本的软件包及其依赖关系，并在它们之间轻松切换。mlflow开源工具处在alpha版，api与命令可能会频繁变化，最新版可能与本文有出入。

1. 安装conda环境

centos7下安装conda参考：conda的安装与使用（最新版）

2. mlflow安装与运行

使用git下载mlflow工程

git clone https://github.com/mlflow/mlflow

使用pip安装mlflow，命令如下：

pip install mlflow

进入mlfow目录，训练并保存模型：

python examples/quickstart/mlflow_tracking.py

启动 Tracking UI

mlflow ui

3. 使用mlflow部署服务

运行如下命令，训练并保存模型

python examples/sklearn_logisitic_regression/train.py 

运行如下命令，开启服务，其中‘721a62744a9d47afa71d383e855840df ’为上步骤保存模型的ID

mlflow sklearn serve -r 721a62744a9d47afa71d383e855840df -m model

默认端口为5000，访问服务：

curl -d '[{"x": 1}, {"x": -1}]' -H 'Content-Type: application/json' -X POST localhost:5000/invocations

参考：

[原]数据科学教程: 如何使用 mlflow 管理数据科学工作流

mlflow github

Mlflow Quickstart

Spark机器学习工具链-MLflow简介

Spark团队新作MLFlow 解决了什么问题