ÎncepețiÎncepe gratuit

Înregistrarea și încărcarea unui model

Model API oferă o modalitate de a interacționa cu modelele noastre prin înregistrarea și încărcarea lor direct din MLflow Tracking, într-un mod standardizat. Capacitatea de a interacționa cu modelele este esențială în ciclul de viață ML, în special în etapele de Inginerie a Modelelor și Evaluare a Modelelor.

În acest exercițiu vei crea un model de Regresie Liniară din scikit-learn folosind setul de date Unicorn. Modelul va fi înregistrat în MLflow Tracking și apoi încărcat folosind run_id-ul utilizat pentru a înregistra artefactul.

Mai întâi, vei înregistra modelul folosind biblioteca scikit-learn din modulul MLflow. Apoi vei încărca modelul din MLflow Tracking folosind run_id.

Modelul va fi antrenat și va avea numele lr_model.

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

Modulul mlflow va fi importat.

Acest exercițiu face parte din cursul

Introducere în MLflow

Vezi cursul

Instrucțiuni pentru exercițiu

  • Înregistrează modelul în MLflow Tracking la calea de artefact "lr_tracking".
  • Creează o variabilă numită run, setată la ultima rulare.
  • Creează o altă variabilă numită run_id, setată la run_id-ul variabilei run.
  • Încarcă modelul folosind run_id și calea de artefact utilizată la înregistrarea modelului.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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:/{____}/____")
Editează și rulează codul