CommencezCommencez gratuitement

Enregistrer de nouveaux modèles

Le MLflow Model Registry peut aussi enregistrer des modèles pendant une exécution d'entraînement. C'est pratique, car cela permet de consigner et d'enregistrer un modèle avec une seule fonction.

Dans cet exercice, vous utiliserez le profil scikit-learn pour enregistrer un modèle dans le Model Registry pendant une exécution d'entraînement, au moment où le modèle est consigné dans MLflow Tracking. Vous effectuerez ensuite une recherche dans le Model Registry pour confirmer que le modèle a bien été enregistré.

Ce modèle sera enregistré aux côtés des modèles déjà enregistrés et entraînés sur les données d'entraînement "Insurance". Le modèle a déjà été entraîné et est stocké dans la variable lr. Pour la recherche dans le Model Registry, une instance de MLflowClient() est déjà affectée à client et la chaîne de filtrage a été créée sous le nom insurance_filter_string.

Cette activité fait partie du cours

Introduction à MLflow

Voir le cours

Instructions de l’exercice

  • Enregistrez le modèle lr sous "Insurance" à l'aide du profil scikit-learn.
  • Faites une recherche dans le Model Registry avec client pour confirmer que le modèle a été enregistré.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Log the model using scikit-learn flavor
____.____.____(____, "model", ____="____")
insurance_filter_string = "name = 'Insurance'"

# Search for Insurance models
print(____.____(____=____))
Modifier et exécuter le code