Modellformate
Sobald deine Modell-Training-Pipeline erfolgreich ausgeführt wurde, musst du dein Modell in einem Format speichern, das sich für die Ablage und die Bereitstellung innerhalb der ML-Serving-Anwendung eignet.
In diesem Kapitel hast du zwei gängige Formate dafür kennengelernt.
Für deinen Use Case hast du festgestellt, dass du dein Modell in einer Programmiersprache trainieren und es dann in einer völlig anderen laden und bereitstellen möchtest.
Welches Format bietet dir diese Art von Flexibilität?
Diese Übung ist Teil des Kurses
MLOps-Bereitstellung und Lebenszyklus
Interaktive Übung
In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.
Übung starten