LoslegenKostenlos loslegen

Erstellen einer benutzerdefinierten Python-Klasse

MLflow bietet eine Möglichkeit, benutzerdefinierte Modelle zu erstellen, um eine breite Palette von Anwendungsfällen zu unterstützen. Um benutzerdefinierte Modelle zu erstellen, können Benutzer mit MLflow eine Python-Klasse erstellen, die von mlflow.pyfunc.PythonModel Class erbt. Die Klasse PythonModel bietet Anpassungsmöglichkeiten, indem sie Methoden für benutzerdefinierte Inferenzlogik und Artefaktabhängigkeiten bereitstellt.

In dieser Übung erstellst du eine neue Python-Klasse für ein benutzerdefiniertes Modell, die ein bestimmtes Modell lädt und nach der Inferenz die Beschriftungen entschlüsselt. Das Modul mlflow wird importiert.

Diese Übung ist Teil des Kurses

Einführung in MLflow

Kurs anzeigen

Anleitung zur Übung

  • Erstelle eine Python-Klasse mit dem Namen CustomPredict.
  • Definiere die load_context() Methode, die zum Laden von Artefakten innerhalb einer benutzerdefinierten Klasse verwendet wird.
  • Definiere die Methode predict() für die Definition von benutzerdefinierten Schlussfolgerungen.

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Create Python Class
class ____(mlflow.pyfunc.PythonModel):
    # Set method for loading model
    def ____(self, context):
        self.model = mlflow.sklearn.load_model("./lr_model/")
    # Set method for custom inference     
    def ____(self, context, model_input):
        predictions = self.model.predict(model_input)
        decoded_predictions = []  
        for prediction in predictions:
            if prediction == 0:
                decoded_predictions.append("female")
            else:
                decoded_predictions.append("male")
        return decoded_predictions
Code bearbeiten und ausführen