शुरू करेंमुफ़्त में शुरू करें

मॉडल को सेव और लोड करना

Model API के साथ, आप लोकल फाइल सिस्टम का उपयोग करके ऐसे डेवलपर्स के बीच मॉडल साझा कर सकते हैं जिनके पास वही MLflow Tracking सर्वर की पहुँच नहीं है.

इस अभ्यास में, आप Unicorn डेटासेट का उपयोग करके मौजूदा मॉडल से एक नया LinearRegression मॉडल ट्रेन करेंगे. सबसे पहले, आप लोकल फाइल सिस्टम से एक मौजूदा मॉडल लोड करेंगे. फिर उसी मॉडल से नया मॉडल ट्रेन करेंगे और उसे दोबारा लोकल फाइल सिस्टम पर सेव करेंगे.

मौजूदा मॉडल को "lr_local_v1" नाम की डायरेक्टरी में लोकल फाइल सिस्टम पर सेव किया गया है. mlflow मॉड्यूल इंपोर्ट किया जाएगा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MLflow मॉड्यूल की scikit-learn लाइब्रेरी का उपयोग करके लोकल फाइल सिस्टम की डायरेक्टरी "lr_local_v1" से मॉडल लोड करें.
  • mlflow मॉड्यूल की scikit-learn लाइब्रेरी का उपयोग करते हुए मॉडल को लोकली "lr_local_v2" नाम की डायरेक्टरी में सेव करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Load model from local filesystem
model = ____.____.____("____")

# Training Data
X = df[["R&D Spend", "Administration", "Marketing Spend", "State"]]
y = df[["Profit"]]
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7,random_state=0)
# Train Model
model.fit(X_train, y_train)

# Save model to local filesystem
____.____.____(____, "____")
कोड संपादित करें और चलाएँ