CommencerCommencer gratuitement

Créer une classe Python personnalisée

MLflow permet de créer des modèles personnalisés afin de prendre en charge une grande variété de cas d'utilisation. Pour créer des modèles personnalisés, MLflow permet aux utilisateurs de créer une classe Python qui hérite de la classe mlflow.pyfunc.PythonModel. La classe PythonModel permet la personnalisation en fournissant des méthodes pour la logique d'inférence personnalisée et les dépendances d'artefacts.

Dans cet exercice, vous allez créer une nouvelle classe Python pour un modèle personnalisé qui charge un modèle spécifique puis décode les étiquettes après inférence. Le module mlflow sera importé.

Cet exercice fait partie du cours

Introduction à MLflow

Afficher le cours

Instructions

  • Créez une classe Python portant le nom CustomPredict.
  • Définissez la méthode load_context() utilisée pour charger les artefacts dans une classe personnalisée.
  • Définissez la méthode predict() pour définir une inférence personnalisée.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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
Modifier et exécuter le code