Pythn에서 MLflow에서metric의 역사 기록 가져오기
tl;dr import pandas as pd
import mlflow
def get_metric_history(run_id, metric):
client = mlflow.tracking.MlflowClient()
history = client.get_metric_history(run_id, metric)
history = [dict(key=m.key, value=m.value, timestamp=m.timestamp, step=m.step) for m in history]
history = pd.DataFrame(history).sort_values("step")
history.timestamp = pd.to_datetime(history.timestamp, unit="ms")
return history
train_loss = get_metric_history(run_id, "train_loss")
valid_loss = get_metric_history(run_id, "valid_loss")
history = pd.concat((train_loss, valid_loss))
history.pivot(index="step", columns="key", values="value").plot()
How to
MLFlow와 서버를 교환하고 싶을 때mlflow.tracking.MlflowClient를 사용합니다.MlflowClient.get_metric_history(run_id, key)
를 사용한 어떤 런의 키의metric 이력서는 모두 삭제했다.
이 함수는metric의 역사를 가져오는 데 사용됩니다. pandas.DataFrame
타임 스탬프를 날짜 타임으로 바꾸면 처리하기 쉬워요.def get_metric_history(run_id, metric):
client = mlflow.tracking.MlflowClient()
history = client.get_metric_history(run_id, metric)
history = [dict(key=m.key, value=m.value, timestamp=m.timestamp, step=m.step) for m in history]
history = pd.DataFrame(history).sort_values("step")
history.timestamp = pd.to_datetime(history.timestamp, unit="ms")
return history
train_loss = get_metric_history(run_id, "train_loss")
덧붙여 여러 메트릭을 비교하여plot을 진행할 때 아래처럼 Dataframe을 세로로 결합시켜 pivot를 사용하여 간단하게 실현할 수 있다.train_loss = get_metric_history(run_id, "train_loss")
valid_loss = get_metric_history(run_id, "valid_loss")
history = pd.concat((train_loss, valid_loss))
history.pivot(index="step", columns="key", values="value").plot()
Reference
이 문제에 관하여(Pythn에서 MLflow에서metric의 역사 기록 가져오기), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/cafeal/items/f8ffd9f591c8feb9b6f6
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
import pandas as pd
import mlflow
def get_metric_history(run_id, metric):
client = mlflow.tracking.MlflowClient()
history = client.get_metric_history(run_id, metric)
history = [dict(key=m.key, value=m.value, timestamp=m.timestamp, step=m.step) for m in history]
history = pd.DataFrame(history).sort_values("step")
history.timestamp = pd.to_datetime(history.timestamp, unit="ms")
return history
train_loss = get_metric_history(run_id, "train_loss")
valid_loss = get_metric_history(run_id, "valid_loss")
history = pd.concat((train_loss, valid_loss))
history.pivot(index="step", columns="key", values="value").plot()
MLFlow와 서버를 교환하고 싶을 때mlflow.tracking.MlflowClient를 사용합니다.
MlflowClient.get_metric_history(run_id, key)
를 사용한 어떤 런의 키의metric 이력서는 모두 삭제했다.이 함수는metric의 역사를 가져오는 데 사용됩니다.
pandas.DataFrame
타임 스탬프를 날짜 타임으로 바꾸면 처리하기 쉬워요.def get_metric_history(run_id, metric):
client = mlflow.tracking.MlflowClient()
history = client.get_metric_history(run_id, metric)
history = [dict(key=m.key, value=m.value, timestamp=m.timestamp, step=m.step) for m in history]
history = pd.DataFrame(history).sort_values("step")
history.timestamp = pd.to_datetime(history.timestamp, unit="ms")
return history
train_loss = get_metric_history(run_id, "train_loss")
덧붙여 여러 메트릭을 비교하여plot을 진행할 때 아래처럼 Dataframe을 세로로 결합시켜 pivot를 사용하여 간단하게 실현할 수 있다.
train_loss = get_metric_history(run_id, "train_loss")
valid_loss = get_metric_history(run_id, "valid_loss")
history = pd.concat((train_loss, valid_loss))
history.pivot(index="step", columns="key", values="value").plot()
Reference
이 문제에 관하여(Pythn에서 MLflow에서metric의 역사 기록 가져오기), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/cafeal/items/f8ffd9f591c8feb9b6f6텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)