1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do MLflow
Connected

ćwiczenie

Rejestrowanie i ładowanie modelu

Model API umożliwia interakcję z modelami poprzez ich rejestrowanie i ładowanie bezpośrednio z MLflow Tracking w ustandaryzowany sposób. Możliwość pracy z modelami jest kluczowa w cyklu życia uczenia maszynowego – zarówno na etapie budowania modeli, jak i ich ewaluacji.

W tym ćwiczeniu stworzysz model regresji liniowej z biblioteki scikit-learn, korzystając ze zbioru danych Unicorn. Model zostanie zarejestrowany w MLflow Tracking, a następnie załadowany przy użyciu run_id przypisanego do zarejestrowanego artefaktu.

Na początku zarejestrujesz model za pomocą biblioteki scikit-learn dostępnej w module MLflow. Następnie załadujesz model z MLflow Tracking przy użyciu run_id.

Model zostanie wytrenowany pod nazwą lr_model.

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

Moduł mlflow będzie już zaimportowany.

Instrukcje

100 XP
  • Zarejestruj model w MLflow Tracking, używając ścieżki artefaktu "lr_tracking".
  • Utwórz zmienną o nazwie run, która będzie wskazywać na ostatnie uruchomienie.
  • Utwórz kolejną zmienną o nazwie run_id, która będzie ustawiona na wartość run_id zmiennej run.
  • Załaduj model, używając run_id oraz ścieżki artefaktu użytej podczas rejestrowania modelu.