शुरू करेंमुफ़्त में शुरू करें

MLproject में पैरामीटर जोड़ना

MLflow Projects में पैरामीटर परिभाषित करने से आपका ML कोड पुनरुत्पाद्य (reproducible) बनता है. पैरामीटर की मदद से आप बिना कोड बदले अलग-अलग सेटिंग्स के साथ प्रशिक्षण (training) प्रयोग आसानी से चला सकते हैं.

इस अभ्यास में, आप अपने मुख्य एंट्री पॉइंट के लिए MLproject फ़ाइल में पैरामीटर जोड़ेंगे. यह एंट्री पॉइंट train_model.py स्क्रिप्ट चलाने के लिए इस्तेमाल होता है, जो Insurance डेटा से एक Logistic Regression मॉडल ट्रेन करता है.

स्क्रिप्ट दो पैरामीटर लेती है, n_jobs और fit_intercept, जो मॉडल ट्रेन करने के लिए हाइपरपैरामीटर हैं. आप शुरुआत में MLproject फ़ाइल में n_jobs पैरामीटर जोड़ेंगे. फिर आप fit_intercept पैरामीटर जोड़ेंगे. अंत में, आप मुख्य एंट्री पॉइंट में चलने वाली कमांड में इन पैरामीटरों को शामिल करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • n_jobs नाम का एक पैरामीटर बनाएँ, टाइप int, और डिफ़ॉल्ट मान 1 रखें.
  • दूसरा पैरामीटर fit_intercept बनाएँ, टाइप bool, जिसका डिफ़ॉल्ट मान True हो.
  • दोनों पैरामीटर कमांड में पास करें, यह सुनिश्चित करते हुए कि n_jobs पहले आए और उसके बाद fit_intercept.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

"""
name: insurance_model
python_env: python_env.yaml
entry_points:
  main:
    parameters:
      # Create parameter for number of jobs as n_jobs
      ____:
        ____: ____
        ____: ____
      # Create parameter for fit_intercept
      ____:
        ____: ____
        ____: ____
    # Add parameters to be passed into the command
    command: "python3.9 train_model.py {____} {____}"
"""
कोड संपादित करें और चलाएँ