CommencerCommencer gratuitement

Création d'un flux de travail en plusieurs étapes : Évaluation du modèle

Dans cet exercice, vous créerez l'étape d'évaluation du modèle de notre flux de travail en plusieurs étapes utilisé pour gérer une partie du cycle de vie de ML. Vous utiliserez la méthode run() du module MLflow Projects et définirez le point d'entrée à model_evaluation. Vous prendrez alors le paramètre model_engineering_run_id qui a été généré en sortie dans l'exercice précédent et le passerez à la commande.

Le site MLproject créé à l'étape précédente est disponible dans le shell IPython à l'aide de print(MLproject).

Le module mlflow est importé.

Cet exercice fait partie du cours

Introduction à MLflow

Afficher le cours

Instructions

  • Attribuez la méthode run() du module MLflow Projects à model_evaluation.
  • Fixez l'argument du point d'entrée à "model_evaluation".
  • Définissez un paramètre appelé "run_id" avec une valeur de model_engineering_run_id.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Set the MLflow Projects run method
model_evaluation = ____.____.____(
    uri="./",
    # Set the entry point to model_evaluation
    ____="____",
  	# Set the parameter run_id to the run_id output of previous step
    parameters={
        "____": ____,
    },
    env_manager="local"
)

print(model_evaluation.get_status())
Modifier et exécuter le code