शुरू करेंमुफ़्त में शुरू करें

मॉडल को लॉग और लोड करना

Model API हमारे मॉडलों से इंटरैक्ट करने का एक तरीका देता है, जिससे आप उन्हें MLflow Tracking से मानकीकृत तरीके से सीधे लॉग और लोड कर सकते हैं. ML lifecycle के दौरान, खासकर Model Engineering और Model Evaluation चरणों में, मॉडलों से इंटरैक्ट कर पाना बेहद महत्वपूर्ण है.

इस अभ्यास में आप scikit-learn से Unicorn डेटासेट पर एक Linear Regression मॉडल बनाएँगे. यह मॉडल MLflow Tracking में लॉग किया जाएगा और फिर उसी आर्टिफैक्ट को लॉग करने में उपयोग हुए run_id के ज़रिए लोड किया जाएगा.

पहले, आप MLflow मॉड्यूल से scikit-learn लाइब्रेरी का उपयोग करके मॉडल को लॉग करेंगे. फिर आप MLflow Tracking से run_id का उपयोग करके मॉडल को लोड करेंगे.

मॉडल को ट्रेन किया जाएगा और उसका नाम lr_model होगा.

lr_model = LinearRegression()
lr_model.fit(X_train, y_train)

mlflow मॉड्यूल इम्पोर्ट किया जाएगा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • मॉडल को MLflow Tracking में "lr_tracking" आर्टिफैक्ट पाथ के अंतर्गत लॉग करें.
  • run नाम का एक वैरिएबल बनाएँ और उसे आखिरी रन पर सेट करें.
  • run_id नाम का दूसरा वैरिएबल बनाएँ और उसे run वैरिएबल के run_id पर सेट करें.
  • run_id और मॉडल को लॉग करते समय उपयोग किए गए आर्टिफैक्ट पाथ का उपयोग करके मॉडल को लोड करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Log model to MLflow Tracking
____.____.____(____, "____")

# Get the last run
run = ____.____

# Get the run_id of the above run
run_id = ____.___.____

# Load model from MLflow Tracking
model = ____.____.____(f"runs:/{____}/____")
कोड संपादित करें और चलाएँ