flmu/mlflow-tracking-server
این پروژه یک سرور MLflow Tracking است که با استفاده از Docker و فضای ذخیره‌سازی ابری AWS S3 پیاده‌سازی شده است.
کاربرد:
این سرور به شما امکان می‌دهد تا آزمایش‌های یادگیری ماشین خود را ردیابی، ذخیره و مقایسه کنید. متا داده‌های آزمایش‌ها مثل پارامترها، متریک‌ها، مدل‌ها و فایل‌های لاگ در یک محل متمرکز ذخیره می‌شوند.
در چه شرایطی بهتره استفاده شود؟
وقتی تیم شما در حال توسعه مدل‌های ML هست و نیاز به مدیریت آزمایش‌ها داره، استفاده از این سرور بسیار مفیده. همچنین اگر می‌خواهید داده‌های آزمایش رو به صورت پایدار و قابل دسترس در فضای ابری (مثل S3) ذخیره کنید، این پروژه گزینه عالی‌ایه. ️
چند مثال از موارد استفاده:
ردیابی تغییرات مدل در طول زمان
مقایسه عملکرد مدل‌های مختلف با پارامترهای متفاوت
ذخیره‌سازی مدل‌های آموزش دیده در S3 برای استقرار بعدی
اشتراک‌گذاری نتایج آزمایش بین اعضای تیم توسعه ML
- ##MLflow
- ##MachineLearning
- ##Docker
- ##AWS
- ##ModelTracking
- ##MLOps
- ##ExperimentTracking
- ##CloudStorage
- ##DevOps
- ##AI