wtu-mlflow 0.1.8

W-Train Utils for MLflow

wtrainclient

가상환경 설정

pyenv install 3.8.18
pyenv virtualenv 3.8.18 wtrainclient3.8
pyenv activate wtrainclient3.8

---

mlflow, minio 실행

cd docker
docker-compose up -d --build

---

환경 변수 설정

프로젝트를 실행하기 전에 아래의 환경 변수들을 설정해야 합니다:

환경변수	설명	예시
PROFILE	개발/운영 환경설정, 개발환경에서는 모델을 실제로 업르도하지 않는다	운영: "prod" or "production", 개발: 그 외
MLFLOW_S3_ENDPOINT_URL	MLflow가 저장소로 사용하고있는 MinIO 엔드포인트 URL	http://localhost:9000
MLFLOW_TRACKING_URI	MLflow 트래킹 서버의 URI	http://localhost:5001
AWS_ACCESS_KEY_ID	MinIO 서버 접근을 위한 AWS 호환 액세스 키	minio
AWS_SECRET_ACCESS_KEY	MinIO 서버 접근을 위한 AWS 호환 시크릿 액세스 키	miniostorage
RABBIT_ENDPOINT_URL	MinIO 서버에 모델 업로드 후 path 를 발행할 RMQ 엔드포인트 URL	amqp://guest:guest@localhost:5672/
RABBIT_MODEL_UPLOAD_TOPIC	모델 업로드 path 를 전달할 토픽	train.model.uploaded
TRAIN_ID	train_id (학습 서버에서 넣어주는 값)	1
MODEL_NAME	model_name (학습 서버에서 넣어주는 값)	my_model

---