Practical-Deep-Learning-at-Scale-with-MLFlow

(★ 163)

Practical Deep Learning at Scale with MLFlow, published by Packt

파일 탐색기

최종 버전 다운로드 (.zip)

- first_dl.py
- README.md
- requirements-gpu-additional.txt
- requirements.txt
- first_dl_with_mlflow.py
- README.md
- requirements.txt
- - .env
  - docker-compose.yml
  - start_mlflow.sh
  - stop_mlflow.sh
- dl_model-non-auto-tracking.ipynb
- dl_model_tracking.ipynb
- README.md
- requirements.txt
- - fine_tuning.py
  - fine_tuning_databricks.py
- - download_data.py
  - fine_tuning_model.py
  - register_model.py
- conda.yaml
- main.py
- MLproject
- README.md
- requirements.txt
- - download_data.py
  - fine_tuning_model.py
  - register_model.py
- cluster_spec.json
- conda.yaml
- main.py
- MLproject
- README.md
- requirements.txt
- - download_data.py
  - hpo_finetuning_model.py
  - hpo_finetuning_model_optuna.py
- conda.yaml
- main.py
- MLproject
- README.md
- requirements.txt
- - basic_custom_dl_model.py
  - multistep_inference_model.py
- - download_data.py
  - fine_tuning_model.py
  - inference_pipeline_model.py
  - register_model.py
- conda.yaml
- main.py
- MLproject
- README.md
- - batch_inference.py
- - download_data.py
  - fine_tuning_model.py
  - inference_pipeline_model.py
  - register_model.py
- - query_ray_serve_endpoint.py
- - deploy_to_sagemaker.py
  - query_sagemaker_endpoint.py
- cluster_spec.json
- conda-batch-inference.yaml
- conda.yaml
- Dockerfile
- main.py
- MLproject
- README.md
- - distilbert_viz.html
  - gradient_explain.ipynb
  - shap_explain.ipynb
- conda.yaml
- README.md
- - shap_mlflow_log_artifact.py
  - shap_mlflow_pyfunc_explainer.py
  - shap_mlflow_pyspark_explainer.py
- - nlp_sentiment_classifier_explainer.py
- conda-pyspark-explain.yaml
- conda.yaml
- README.md
LICENSE
README.md

# 설치 가이드

1. 코드 내려받기

git clone https://github.com/PacktPublishing/Practical-Deep-Learning-at-Scale-with-MLFlow

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd Practical-Deep-Learning-at-Scale-with-MLFlow

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. Docker

쉬움 추천

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.

docker compose -f chapter03/mlflow_docker_setup/docker-compose.yml up -d --build

compose 설정 파일에 정의된 서비스들을 대상으로 명령을 실행합니다.

✅ 터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.

3. Python

쉬움

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).

pip install -r chapter01/requirements.txt

requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.

jupyter notebook

브라우저에서 노트북(.ipynb) 파일들을 열람하고 실행할 수 있는 Jupyter 화면을 켭니다.

✅ 에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.