ZenML sur Spaces

ZenML est un framework MLOps extensible et open source pour créer des pipelines MLOps portables et prêts pour la production. Il est conçu pour permettre aux Data Scientists, aux ML Engineers et aux développeurs MLOps de collaborer tout au long du passage du développement à la production.

ZenML propose une syntaxe simple et flexible, est indépendant des clouds et des outils, et dispose d’interfaces/abstractions adaptées aux flux de travail ML. Avec ZenML, vous disposez de tous vos outils préférés au même endroit, ce qui vous permet de concevoir un flux de travail adapté à vos besoins spécifiques.

Le Hugging Face Space de ZenML vous permet de démarrer rapidement avec une version déployée de ZenML en quelques clics seulement. En quelques minutes, vous disposerez de ce tableau de bord ZenML par défaut, déployé et prêt à être connecté depuis votre machine locale.

Dans les sections suivantes, vous apprendrez à déployer votre propre instance de ZenML et à l’utiliser pour afficher et gérer vos pipelines de machine learning directement depuis le Hub. ZenML sur Hugging Face Spaces est une application autonome entièrement hébergée sur le Hub à l’aide de Docker. Le schéma ci-dessous illustre le processus complet.

Consultez la documentation de ZenML pour en savoir plus sur ses fonctionnalités et sur la manière de démarrer l’exécution de vos pipelines de machine learning via votre déploiement Hugging Face Spaces. Vous pouvez consulter quelques petits exemples de pipelines ZenML pour vous initier, ou choisir parmi des projets de production plus complexes dans le dépôt de projets ZenML. ZenML s’intègre nativement à de nombreux outils que vous affectionnez, y compris Hugging Face, bien sûr ! Si vous souhaitez utiliser autre chose, notre architecture est conçue pour être extensible et vous pouvez facilement l’adapter à votre outil ou votre flux de travail personnalisé.

⚡️ Déployer ZenML sur Spaces

Vous pouvez déployer ZenML sur Spaces en quelques clics :

Pour configurer votre application ZenML, vous devez spécifier trois composants principaux : le Propriétaire (votre compte personnel ou une organisation), le nom de l'Espace et la Visibilité (un peu plus bas sur la page). Notez que la visibilité de l'espace doit être définie sur « Public » si vous souhaitez vous connecter au serveur ZenML depuis votre machine locale.

Vous avez ici la possibilité de sélectionner une machine de niveau supérieur pour votre serveur. L'avantage de choisir une instance CPU payante est qu'elle n'est pas soumise aux politiques d'arrêt automatique et restera donc active tant que vous la laissez en marche. Afin de profiter d'un CPU persistant, vous devrez probablement créer et configurer une base de données MySQL à laquelle se connecter (voir ci-dessous).

Pour personnaliser l’apparence de votre Space, par exemple le titre, les emojis et les couleurs, accédez à « Files and Versions » et modifiez les métadonnées dans votre fichier README.md. Toutes les informations sur les paramètres de configuration des Spaces sont disponibles dans le guide de référence de la documentation de Hugging Face.

Après la création de votre Space, vous remarquerez un statut « Building » accompagné de journaux affichés à l’écran. Lorsque ce statut passe à « Running », votre Space est prêt à l’emploi. Si l’interface de connexion ZenML n’est pas visible, essayez de rafraîchir la page.

Dans le coin supérieur droit de votre espace, vous verrez un bouton avec trois points qui, une fois cliqué, vous proposera une option de menu « Intégrer cet espace ». (Consultez la documentation Hugging Face pour plus de détails sur cette fonctionnalité.) Copiez l’« URL directe » affichée dans la boîte qui s’affiche maintenant à l’écran. Elle devrait ressembler à ceci : https://<YOUR_USERNAME>-<SPACE_NAME>.hf.space. Ouvrez cette URL et utilisez notre connexion par défaut pour accéder au tableau de bord (nom d’utilisateur : ‘default’, mot de passe : (laissez-le vide)).

Connexion à votre serveur ZenML depuis votre machine locale

Une fois votre serveur ZenML démarré et opérationnel, vous pouvez vous y connecter depuis votre machine locale. Pour ce faire, vous devez récupérer l’« URL directe » de votre Space (voir ci-dessus).

L’URL de votre Space ne sera disponible et utilisable pour la connexion depuis votre machine locale que si la visibilité de l’espace est définie sur « Public ».

Vous pouvez utiliser l’URL directe pour vous connecter à votre serveur ZenML depuis votre machine locale à l’aide de la commande CLI suivante (après avoir installé ZenML et en utilisant votre URL personnalisée à la place de l’emplacement réservé) :

zenml connect --url '<YOUR_HF_SPACES_DIRECT_URL>' --username='default' --password=''

Vous pouvez également utiliser l’URL directe dans votre navigateur pour utiliser le tableau de bord ZenML en tant qu’application plein écran (c’est-à-dire sans l’enveloppe Hugging Face Spaces).

Le tableau de bord ZenML ne fonctionnera pas actuellement lorsqu’il est consulté depuis la page web Hugging Face (c’est-à-dire intégré au site principal https://huggingface.co/...). Cela est dû à une limitation dans la gestion des cookies entre ZenML et Hugging Face. Vous devez consulter le tableau de bord via l’« URL directe » (voir ci-dessus).

Options de configuration supplémentaires

Par défaut, l’application ZenML est configurée pour utiliser une base de données SQLite non persistante. Si vous souhaitez utiliser une base de données persistante, vous pouvez le faire en modifiant le Dockerfile situé dans le répertoire racine de votre Space. Pour tous les détails sur les différents paramètres modifiables, consultez notre documentation de référence sur la configuration de ZenML lors d’un déploiement avec Docker.

Si vous utilisez l’espace uniquement pour des tests et des expérimentations, vous n’avez besoin d’apporter aucune modification à la configuration. Tout fonctionnera sans configuration supplémentaire.

Vous pouvez également utiliser un backend de secrets externe avec vos Hugging Face Spaces, comme décrit dans notre documentation. Vous devez vous assurer d’utiliser la fonctionnalité intégrée « Repository secrets » de Hugging Face pour configurer les secrets dont vous avez besoin dans votre configuration Dockerfile. Consultez la documentation pour plus de détails sur la configuration.

Si vous souhaitez utiliser un backend de secrets cloud avec ZenML pour la gestion des secrets, vous devez prendre les précautions de sécurité minimales suivantes sur votre ZenML Server dans le Dashboard :

• changez le mot de passe du compte default que vous obtenez au démarrage. Vous pouvez le faire depuis le tableau de bord ou via l’interface en ligne de commande.
• créez un nouveau compte utilisateur avec un mot de passe et attribuez-lui le rôle admin. Cela peut également se faire depuis le tableau de bord (en « invitant » un nouvel utilisateur) ou via l’interface en ligne de commande.
• reconnectez-vous au serveur en utilisant le nouveau compte utilisateur et le mot de passe comme décrit ci-dessus, et utilisez ce nouveau compte utilisateur comme compte de travail.

Cela est dû au fait que l’utilisateur par défaut créé par le processus de déploiement des Hugging Face Spaces n’a aucun mot de passe qui lui est attribué et, comme l’espace est accessible publiquement (puisque l’espace est public), n’importe qui pourrait potentiellement accéder à vos secrets sans cette étape supplémentaire. Pour modifier votre mot de passe, accédez à la page Paramètres en cliquant sur le bouton situé dans le coin supérieur droit du tableau de bord, puis cliquez sur « Update Password ».

Mise à niveau de votre serveur ZenML sur HF Spaces

L’espace par défaut utilise automatiquement la dernière version de ZenML. Si vous souhaitez mettre à jour votre version, il vous suffit de sélectionner l’option « Factory reboot » dans l’onglet « Settings » de l’espace. Notez que cela effacera toutes les données contenues dans l’espace ; par conséquent, si vous n’utilisez pas une base de données MySQL persistante (comme décrit ci-dessus), vous perdrez toutes les données contenues dans votre déploiement ZenML sur l’espace. Vous pouvez également configurer l’espace pour qu’il utilise une version antérieure en modifiant l’instruction d’importation FROM du Dockerfile, située tout en haut.

Étapes suivantes

Ensuite, consultez notre Guide de démarrage MLOps avec ZenML, une série de pages pratiques et concises sur la façon de démarrer rapidement. Sinon, consultez notre exemple de quickstart, qui est un exemple complet de bout en bout de nombreuses fonctionnalités de ZenML.

🤗 Retours et assistance

Si vous rencontrez des problèmes avec votre serveur ZenML sur Hugging Face Spaces, vous pouvez consulter les journaux en cliquant sur le bouton « Open Logs » en haut de l’espace. Cela vous donnera plus de contexte sur ce qui se passe avec votre serveur.

Si vous avez des suggestions ou avez besoin d’un support spécifique pour tout autre problème, veuillez rejoindre la communauté Slack de ZenML et nous serons ravis de vous aider !