Восстановить флаги удалённого доступа в start_ui.sh (allowed-hosts, cors, serve-artifacts, dev)

AGENTS.md

@@ -146,6 +146,7 @@ mlflow run . -P epochs=10 -P batch_size=256 -P lr=0.001 --entry-point gpu
 - **File-store как tracking backend запрещён в MLflow 3.x** (maintenance mode): падает и `mlflow server --backend-store-uri file://...`, и клиент-скрипт с дефолтным `./mlruns` — оба с `MlflowException ... in maintenance mode`. Поэтому проект использует **SQLite** (`sqlite:///mlflow.db`) как tracking backend, а скрипты логируют на сервер по HTTP. Опциональный opt-out `MLFLOW_ALLOW_FILE_STORE=true` НЕ используем (он может быть убран в будущем). Артефакты при этом лежат на локальном диске (`./artifacts`, file artifact repository — он НЕ в maintenance mode).
 - **`input_example` для `mlflow.pytorch.log_model` — только numpy**, не `torch.Tensor`: MLflow 3.x валидирует пример входа и падает с `MlflowException ... but got '<class 'torch.Tensor'>'`. В `train_gpu.py` передаётся `np.random.rand(1,1,28,28).astype(np.float32)`. Аналогично для других flavor'ов — пример должен быть DataFrame/ndarray/dict/list/скаляр.
 - **urllib3 `NotOpenSSLWarning`** на macOS (системный `ssl` собран с LibreSSL 2.8.3, urllib3 v2 просит OpenSSL 1.1.1+) — стороннее шумовое предупреждение, к проекту отношения не имеет; не подавляем (чтобы не прятать реальные предупреждения).
+- **Доступ к UI с других машин (браузером по IP сервера)** — НЕ удалять флаги в `start_ui.sh`: `--host 0.0.0.0`, `--allowed-hosts "*"`, `--cors-allowed-origins "*"`, `export MLFLOW_ALLOW_ORIGIN="*"`, `--serve-artifacts` + `--artifacts-destination`, `--dev`. Без `--allowed-hosts "*"` MLflow режет запросы с `Host=<server-ip>:5555` (UI не открывается удалённо); без `--serve-artifacts` UI на удалённой машине не скачает артефакты (model/графики) по file://-путям. Эти флаги были в исходном проекте и случайно потерялись при миграции — восстановлены.
 - **Архитектура хранения (SQLite + HTTP-клиенты)**: `start_ui.sh` поднимает сервер с `--backend-store-uri sqlite:///${PWD}/mlflow.db`. Все скрипты в `src/` содержат `mlflow.set_tracking_uri(os.environ.get("MLFLOW_TRACKING_URI", "http://localhost:5555"))` — пишут на сервер. UI и скрипты работают с **одной** sqlite-базой → эксперименты сразу видны. **Сервер должен быть запущен до запуска скриптов** (иначе `ConnectionError` к localhost:5555). Переопределить адрес: `export MLFLOW_TRACKING_URI=http://<host>:5555` (например, при логировании на удалённый сервер).
 - `mlruns/`, `artifacts/*`, `data/MNIST/`, `mlflow.db` — в `.gitignore`,
   в репозиторий не попадают.

start_ui.sh

@@ -2,30 +2,35 @@
 # ============================================================
 #  Запуск MLflow Tracking Server
 #  Откройте в браузере: http://localhost:5555
+#  С другой машины:     http://<server-ip>:5555
 #
 #  Backend store = SQLite (mlflow.db) — recommended MLflow backend.
 #  Скрипты в src/ логируют на этот сервер (http://localhost:5555) через
-#  mlflow.set_tracking_uri(...) — поэтому UI и скрипты работают с одной
+#  mlflow.set_tracking_uri(...) — UI и скрипты работают с одной базой.
-#  базой, и эксперименты сразу видны в UI.
 #
-#  ⚠️ file-store как tracking backend в новых MLflow (3.x) переведён в
+#  Доступ к UI с других машин (браузером по IP сервера) — включён:
-#  maintenance mode и запрещён (ошибка и на сервере, и у клиента-скрипта).
+#    --host 0.0.0.0              слушать на всех интерфейсах
-#  Поэтому используем sqlite. Артефакты при этом лежат на локальном диске
+#    --allowed-hosts "*"         разрешить любой Host-заголовок (иначе MLflow
-#  в ./artifacts (file-based artifact repository — он НЕ в maintenance mode).
+#                                режет запросы с Host=<server-ip>:5555)
+#    --cors-allowed-origins "*"  разрешить кросс-доменные API-запросы
+#    MLFLOW_ALLOW_ORIGIN="*"     то же через env (совместимость)
+#    --serve-artifacts           сервер сам отдаёт артефакты (иначе UI на
+#    --artifacts-destination     удалённой машине не скачает model/графики
+#                                по file://-путям)
+#    --dev                       dev-режим (релиакс host-проверок)
 #
-#  Запустите сервер ДО запуска скриптов обучения:
+#  Запустите сервер ДО запуска скриптов обучения.
-#    ./start_ui.sh          # в одном терминале
-#    python src/train_simple.py ...   # в другом (нужен работающий сервер)
 # ============================================================
 set -e
 cd "$(dirname "$0")"
 
 PORT="${MLFLOW_PORT:-5555}"
+export MLFLOW_ALLOW_ORIGIN="*"
 
 echo "🚀 Запускаем MLflow Tracking Server..."
-echo "   UI:        http://localhost:${PORT}"
+echo "   UI:        http://localhost:${PORT}   (с других машин: http://<server-ip>:${PORT})"
 echo "   Backend:   sqlite:///${PWD}/mlflow.db"
-echo "   Artifacts: file://${PWD}/artifacts"
+echo "   Artifacts: file://${PWD}/artifacts  (serve-artifacts включён)"
 echo ""
 echo "   Скрипты логируют сюда через MLFLOW_TRACKING_URI=http://localhost:${PORT}"
 echo "   (можно переопределить: export MLFLOW_TRACKING_URI=http://<host>:${PORT})"
@@ -36,5 +41,10 @@ echo ""
 mlflow server \
     --backend-store-uri "sqlite:///${PWD}/mlflow.db" \
     --default-artifact-root "file://${PWD}/artifacts" \
+    --serve-artifacts \
+    --artifacts-destination "file://${PWD}/artifacts" \
+    --allowed-hosts "*" \
+    --cors-allowed-origins "*" \
     --host 0.0.0.0 \
-    --port "${PORT}"
+    --port "${PORT}" \
+    --dev