सामग्री पर जाएं

के लिए संदर्भ ultralytics/utils/callbacks/mlflow.py

नोट

यह फ़ाइल यहाँ उपलब्ध है https://github.com/ultralytics/ultralytics/बूँद/मुख्य/ultralytics/utils/callbacks/mlflow.py का उपयोग करें। यदि आप कोई समस्या देखते हैं तो कृपया पुल अनुरोध का योगदान करके इसे ठीक करने में मदद करें 🛠️। 🙏 धन्यवाद !



ultralytics.utils.callbacks.mlflow.on_pretrain_routine_end(trainer)

प्रीट्रेनिंग रूटीन के अंत में MLflow में प्रशिक्षण मापदंडों को लॉग इन करें।

यह फ़ंक्शन पर्यावरण चर और ट्रेनर तर्कों के आधार पर MLflow लॉगिंग सेट करता है। यह ट्रैकिंग यूआरआई सेट करता है, प्रयोग का नाम, और रन नाम, फिर MLflow रन शुरू करता है यदि पहले से सक्रिय नहीं है। यह अंत में मापदंडों को लॉग करता है ट्रेनर से।

पैरामीटर:

नाम प्रकार विवरण: __________ चूक
trainer BaseTrainer

लॉग करने के लिए तर्क और पैरामीटर के साथ प्रशिक्षण वस्तु।

आवश्यक
व्‍यापक

mlflow: लॉगिंग के लिए उपयोग करने के लिए आयातित mlflow मॉड्यूल।

पर्यावरण चर

MLFLOW_TRACKING_URI: MLflow ट्रैकिंग के लिए URI। यदि सेट नहीं है, तो डिफ़ॉल्ट रूप से 'runs/mlflow' हो जाता है। MLFLOW_EXPERIMENT_NAME: MLflow प्रयोग का नाम. यदि सेट नहीं है, तो डिफ़ॉल्ट रूप से trainer.args.project पर जाता है। MLFLOW_RUN: MLflow रन का नाम। यदि सेट नहीं है, तो डिफ़ॉल्ट trainer.args.name।

में स्रोत कोड ultralytics/utils/callbacks/mlflow.py
43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 6263 64 65 66 67 686970717273 747576 77787980 8182
def on_pretrain_routine_end(trainer):
    """
    Log training parameters to MLflow at the end of the pretraining routine.

    This function sets up MLflow logging based on environment variables and trainer arguments. It sets the tracking URI,
    experiment name, and run name, then starts the MLflow run if not already active. It finally logs the parameters
    from the trainer.

    Args:
        trainer (ultralytics.engine.trainer.BaseTrainer): The training object with arguments and parameters to log.

    Global:
        mlflow: The imported mlflow module to use for logging.

    Environment Variables:
        MLFLOW_TRACKING_URI: The URI for MLflow tracking. If not set, defaults to 'runs/mlflow'.
        MLFLOW_EXPERIMENT_NAME: The name of the MLflow experiment. If not set, defaults to trainer.args.project.
        MLFLOW_RUN: The name of the MLflow run. If not set, defaults to trainer.args.name.
    """
    global mlflow

    uri = os.environ.get("MLFLOW_TRACKING_URI") or str(RUNS_DIR / "mlflow")
    LOGGER.debug(f"{PREFIX} tracking uri: {uri}")
    mlflow.set_tracking_uri(uri)

    # Set experiment and run names
    experiment_name = os.environ.get("MLFLOW_EXPERIMENT_NAME") or trainer.args.project or "/Shared/YOLOv8"
    run_name = os.environ.get("MLFLOW_RUN") or trainer.args.name
    mlflow.set_experiment(experiment_name)

    mlflow.autolog()
    try:
        active_run = mlflow.active_run() or mlflow.start_run(run_name=run_name)
        LOGGER.info(f"{PREFIX}logging run_id({active_run.info.run_id}) to {uri}")
        if Path(uri).is_dir():
            LOGGER.info(f"{PREFIX}view at http://127.0.0.1:5000 with 'mlflow server --backend-store-uri {uri}'")
        LOGGER.info(f"{PREFIX}disable with 'yolo settings mlflow=False'")
        mlflow.log_params(dict(trainer.args))
    except Exception as e:
        LOGGER.warning(f"{PREFIX}WARNING ⚠️ Failed to initialize: {e}\n" f"{PREFIX}WARNING ⚠️ Not tracking this run")



ultralytics.utils.callbacks.mlflow.on_train_epoch_end(trainer)

MLflow के लिए प्रत्येक ट्रेन युग के अंत में प्रशिक्षण मीट्रिक लॉग करें।

में स्रोत कोड ultralytics/utils/callbacks/mlflow.py
def on_train_epoch_end(trainer):
    """Log training metrics at the end of each train epoch to MLflow."""
    if mlflow:
        mlflow.log_metrics(
            metrics={
                **SANITIZE(trainer.lr),
                **SANITIZE(trainer.label_loss_items(trainer.tloss, prefix="train")),
            },
            step=trainer.epoch,
        )



ultralytics.utils.callbacks.mlflow.on_fit_epoch_end(trainer)

MLflow के लिए प्रत्येक फिट युग के अंत में प्रशिक्षण मीट्रिक लॉग करें।

में स्रोत कोड ultralytics/utils/callbacks/mlflow.py
def on_fit_epoch_end(trainer):
    """Log training metrics at the end of each fit epoch to MLflow."""
    if mlflow:
        mlflow.log_metrics(metrics=SANITIZE(trainer.metrics), step=trainer.epoch)



ultralytics.utils.callbacks.mlflow.on_train_end(trainer)

प्रशिक्षण के अंत में मॉडल कलाकृतियों को लॉग करें।

में स्रोत कोड ultralytics/utils/callbacks/mlflow.py
103 104 105 106 107 108109110 111 112 113 114 115
def on_train_end(trainer):
    """Log model artifacts at the end of the training."""
    if mlflow:
        mlflow.log_artifact(str(trainer.best.parent))  # log save_dir/weights directory with best.pt and last.pt
        for f in trainer.save_dir.glob("*"):  # log all other files in save_dir
            if f.suffix in {".png", ".jpg", ".csv", ".pt", ".yaml"}:
                mlflow.log_artifact(str(f))

        mlflow.end_run()
        LOGGER.info(
            f"{PREFIX}results logged to {mlflow.get_tracking_uri()}\n"
            f"{PREFIX}disable with 'yolo settings mlflow=False'"
        )





2023-11-12 बनाया गया, अपडेट किया गया 2023-12-01
लेखक: ग्लेन-जोचर (4), लाफिंग-क्यू (1)