始める無料で始める

モデルのログと読み込み

Model API は、標準化された方法で MLflow Tracking から直接モデルをログ・読み込みできる仕組みを提供します。ML ライフサイクルにおいて、Model Engineering と Model Evaluation の段階でモデルとやり取りできることは重要です。

この演習では、Unicorn データセットを使って scikit-learn の Linear Regression モデルを作成します。モデルは MLflow Tracking にログし、そのアーティファクトをログした run_id を使って読み込みます。

はじめに、MLflow モジュールの scikit-learn ライブラリを使ってモデルをログします。続いて、run_id を用いて MLflow Tracking からモデルを読み込みます。

モデルは学習済みで、名前は lr_model です。

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

mlflow モジュールはインポート済みです。

この演習はコースの一部です

MLflow 入門

コースを見る

演習の手順

  • アーティファクトパス "lr_tracking" の下にモデルを MLflow Tracking へログします。
  • 直近のランを表す変数 run を作成します。
  • 変数 run の run_id を取り出して、run_id という変数に設定します。
  • モデルをログしたアーティファクトパスと run_id を使ってモデルを読み込みます。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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:/{____}/____")
コードを編集して実行