ComenzarEmpieza gratis

Crear una clase Python personalizada

MLflow proporciona una forma de crear modelos personalizados para dar soporte a una amplia variedad de casos de uso. Para crear modelos personalizados, MLflow permite a los usuarios crear una Clase Python que hereda de la Clase mlflow.pyfunc.PythonModel. La clase PythonModel permite la personalización proporcionando métodos para la lógica de inferencia personalizada y las dependencias de artefactos.

En este ejercicio, crearás una nueva Clase Python para un modelo personalizado que carga un modelo específico y luego decodifica las etiquetas tras la inferencia. Se importará el módulo mlflow.

Este ejercicio forma parte del curso

Introducción a MLflow

Ver curso

Instrucciones del ejercicio

  • Crea una Clase Python con el nombre CustomPredict.
  • Define el método load_context() utilizado para cargar artefactos dentro de una Clase personalizada.
  • Define el método predict() para definir la inferencia personalizada.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# 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
Editar y ejecutar código