19. Serving Multiple Models to a Single Serving Endpoint Using MLflow.

[@MisokoFukumoto]

[@francoale4287]

Cuando intento servir el modelo me salta: mlflow.exceptions.MlflowException: Run 'f5e24716e6b54199ad00d3fd39d3b54d' not found La única diferencia que tengo con lo de usted es que estoy usando Docker junto con MiNio y postgresql, por lo tanto, no se crea la carpeta mlruns. El comando es similar al de usted: mlflow models serve --model-uri runs:/f5e24716e6b54199ad00d3fd39d3b54d/model --no-conda

[@manuelgilsitio]

Hola, No tengo experiencia trabajando con esta configuración, pero si el 'run' está siendo generado en alguna otra ubicación, diferente de su máquina local, seguramente deba especificar el servidor usando mlflow.set_tracking_uri o alguna de las variable de entorno de MLflow como MLFLOW_TRACKING_URI o MLFLOW_S3_ENDPOINT_URL.

[@francoale4287]

@@manuelgilsitio Sí, estas las tengo todas configuradas: os.environ["MLFLOW_S3_ENDPOINT_URL"] = "localhost:9000" s.environ["MLFLOW_TRACKING_URI"] = "localhost:5000" Raro, porque los 18 tutoriales anteriores los pude realizar sin ningún problema.

[@francoale4287]

@@manuelgilsitio Sí, esas variables las tengo seteadas: os.environ["MLFLOW_S3_ENDPOINT_URL"] = "localhost:9000" os.environ["MLFLOW_TRACKING_URI"] = "localhost:5000" Raro, porque comandos como: mlflow.pyfunc.load_model funcionan normalmente.