ComeçarComece de graça

Registro e carregamento de um modelo

O modelo API oferece uma maneira de interagir com nossos modelos, registrando e carregando-os diretamente do programa de fluxo MLde forma padronizada. A capacidade de interagir com os modelos é fundamental durante o ciclo de vida do ML para as etapas de Engenharia de Modelos e Avaliação de Modelos.

Neste exercício, você criará um modelo de regressão linear a partir do scikit-learn usando o conjunto de dados Unicorn. Esse modelo será registrado em MLflow Tracking e, em seguida, carregado usando o run_id usado para registrar o artefato.

Primeiro, você registrará o modelo usando a biblioteca scikit-learn do módulo de fluxo ML. Em seguida, você carregará o modelo do programa de fluxo MLusando o run_id.

O modelo será treinado e terá o nome lr_model. 

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

O módulo mlflow será importado.

Este exercício faz parte do curso

Introdução ao fluxo ML

Ver curso

Instruções do exercício

  • Registre o modelo em MLflow programa sob o caminho do artefato de "lr_tracking".
  • Crie uma variável chamada run que seja definida como a última execução.
  • Crie outra variável chamada run_id que seja definida como run_id da variável run.
  • Carregue o modelo usando o endereço run_id e o caminho do artefato usado para registrar o modelo.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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:/{____}/____")
Editar e executar o código