Aan de slagGa gratis aan de slag

Een aangepaste Python-klasse maken

MLflow biedt een manier om aangepaste modellen te maken, zodat je een breed scala aan use-cases kunt ondersteunen. Om custom modellen te maken, laat MLflow gebruikers een Python-klasse maken die erft van de klasse mlflow.pyfunc.PythonModel. De klasse PythonModel biedt maatwerk via methoden voor aangepaste inferentielogica en artifact-afhankelijkheden.

In deze oefening maak je een nieuwe Python-klasse voor een aangepast model dat een specifiek model laadt en daarna labels decodeert na inferentie. De module mlflow wordt geïmporteerd.

Deze oefening maakt deel uit van de cursus

Introductie tot MLflow

Cursus bekijken

Oefeninstructies

  • Maak een Python-klasse met de naam CustomPredict.
  • Definieer de methode load_context() die wordt gebruikt voor het laden van artifacts binnen een aangepaste klasse.
  • Definieer de methode predict() voor het definiëren van aangepaste inferentie.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create Python Class
class ____(mlflow.pyfunc.PythonModel):
    # Set method for loading model
    def ____(self, context):
        self.model = mlflow.sklearn.load_model("./lr_model/")
    # Set method for custom inference     
    def ____(self, context, model_input):
        predictions = self.model.predict(model_input)
        decoded_predictions = []  
        for prediction in predictions:
            if prediction == 0:
                decoded_predictions.append("female")
            else:
                decoded_predictions.append("male")
        return decoded_predictions
Code bewerken en uitvoeren