А вы не могли бы помочь с несколькими вопросами? 1. Есть ли отличия процедур из видео, если делать это все на макось? 2. Как связать обучение модели с google collab, если обучение проходило там? 3. Что лучше использовать pycharm, vscode или collab? 4. У вас дополнительно запущена виртуальная машина с линуксом (там, где терминал)?
0:58 - что такое mlflow, 4 компонента
2:23 - mlflow + dvc
3:10 - mlflow tracking (эксперименты состоят из запусков)
5:10 - mlflow projects
5:38 - mlflow models
6:25 - mlflow registry
7:45 - установка mlflow (poetry add mlflow, mlflow ui, mlflow server )
8:49 - 4 способа разворачивания mlflow:
9:05 - localhost
9:18 - localhost + sqlite
9:37 - localhost with tracking server
9:58 - tracking server + backend + S3
13:07 - Базовые примеры логирования с mlflow
36:30 - поднимаем mlflow на удаленном сервере
36:54 - что такое докер, зачем он нужен
41:13 - поднимаем на виртуальной машине микросерверы:
42:50 - ставим portainer - графический интерфейс для управления контейнерами
45:36 - создаём docker-compose.yml (описывает, из каких образов с какими настройками и параметрами должен подняться контейнер):
55:53 - на линукс: apt install docker-compose, запускаем docker-compose up -d -build, смотрим images в portainer
59:45 - поднимаем контейнер для pg admin - граф. интерфейс для базы данных
1:05:07 - логинимся в pg admin
1:08:20 - поднимаем контейнер для minio - клиент-сервер для S3 хранилища
1:12:30 - смотрим интерфейс minio
1:19:12 - билдим mlflow image
Не устану тебя благодоить - тут просто концентрат пользый. Спасибо тебе 🫶
22.50 - пример кода.
24.30 - код с сигнатурами.
33.50 - логирование, когда прямо не указано, что именно надо логировать.
А вы не могли бы помочь с несколькими вопросами?
1. Есть ли отличия процедур из видео, если делать это все на макось?
2. Как связать обучение модели с google collab, если обучение проходило там?
3. Что лучше использовать pycharm, vscode или collab?
4. У вас дополнительно запущена виртуальная машина с линуксом (там, где терминал)?