MLflow - Tracking Server Docker Image 만들기

Related to: MLOps

개요

ML Flow Tracking Server Image 만들기는 머신러닝 작업을 관리하기 위해 Docker 이미지를 이용하는 과정입니다. 이를 통해 여러 작업의 상태를 쉽게 관리하고 기록할 수 있습니다.

핵심 개념

준비물

ML Flow Tracking Server Image를 만들기 위해 도커를 설치하고, 필요한 라이브러리를 준비해야 합니다. 또한 배포하기 위해 설정 파일들이 필요합니다.

• Docker
• https://github.com/404Vector/Docker.MLFlow.TrackingServer

예시 / 코드

진행 방법

ML Flow Tracking Server Image를 만들기 위해 아래 과정을 진행합니다.

1. git clone: 위 github 저장소의 main branch를 clone

2. change directory: clone한 local 저장소로 이동

3. 이미지 빌드:

   docker build -t mlflow:2.1.1 .

   mlflow:{TAG}이므로 원하면 다른 값 입력

4. 컨테이너 실행:

   docker run --name mlflow -p 15000:5000 -v $(pwd):/mlflow --rm mlflow:2.1.1

결론

ML Flow Tracking Server Image 만들기는 도커를 이용하여 머신러닝 작업을 관리할 수 있는 방법입니다. 필요한 도구를 준비하고, 위 진행 과정을 거치면 별도의 서버 이미지를 생성할 수 있습니다.

관련 개념

• MLflow - 기본 사용 - MLflow 기본 개념 및 사용법
• Docker - 컨테이너 기반 이미지 빌드 플랫폼
• MLOps - MLflow Tracking Server가 활용되는 MLOps 체계