监控 Notebook 运行实例


智能实验室与 MLflow 相集成，支持在 JupyterLab 中运行模型训练代码后，在 MLflow 中生成模型，生成的模型可直接在智能集市中注册和选用。


有关 MLflow 的详细信息，参考 MLflow Documentation。

前提条件


已准备好模型训练代码，并可在 JupyterLab 中运行。

运行模型训练代码


通过以下步骤，在 JupyterLab 中运行和调试模型训练代码：

  1. 打开 智能实验室 中的 Notebook 实例列表，进入生产中的 Notebook 实例。
  2. 在页面左侧 File Browser 中，浏览并打开模型训练代码文件，例如 train.ipynb。
  3. 选择模型训练代码文件框上方的 Run the selected cells 图标，执行模型训练代码文件中的每行 cell 代码，确保代码运行成功。

查看实例运行结果


模型训练代码运行成功后，可通过以下步骤在 MLflow 中查看实例运行结果：

  1. 展开页面右侧的 运行实例 窗口，查看实例运行结果列表。成功运行一行代码都会在运行实例列表中展示其运行结果。
  2. 选择 运行实例 窗口右上角的 去运行实例列表 图标，可在 MLflow 中查看 Notebook 实例的所有成功和失败的运行的结果。
  3. 选择一条成功的运行结果，在 Artifacts 一栏中查看成功运行的结果所新建的模型。页面上方显示的 Run ID 即为模型的名称。在智能集市中注册模型时，可以通过该名称选择模型进行注册。
  4. 可选：在 Artifacts 一栏中，选中 model 文件夹，选择 New Version 按钮，将其直接上架为已有模型的版本。
  5. 在 New Version 弹窗中，选择已在智能集市中注册的模型，选择 To Modelhub，即可跳转到智能集市中的模型版本上架页面，完成模型版本上架。