เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การบันทึกและโหลดโมเดล

ด้วย Model API นักพัฒนาสามารถแชร์โมเดลระหว่างกันได้แม้จะไม่มีสิทธิ์เข้าถึง MLflow Tracking server เดียวกัน โดยใช้ระบบไฟล์ในเครื่องแทน

ในแบบฝึกหัดนี้ คุณจะฝึกโมเดล LinearRegression ใหม่จากโมเดลที่มีอยู่โดยใช้ชุดข้อมูล Unicorn ขั้นแรกให้โหลดโมเดลที่มีอยู่จากระบบไฟล์ในเครื่อง จากนั้นฝึกโมเดลใหม่จากโมเดลดังกล่าว แล้วบันทึกกลับลงในระบบไฟล์ในเครื่อง

โมเดลที่มีอยู่ถูกบันทึกไว้ในระบบไฟล์ในเครื่องในไดเรกทอรีชื่อ "lr_local_v1" โดย module mlflow ได้ถูก import ไว้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

MLflow เบื้องต้น

ดูคอร์ส

คำแนะนำการฝึกหัด

  • โหลดโมเดลจากไดเรกทอรี "lr_local_v1" ในระบบไฟล์ในเครื่อง โดยใช้ไลบรารี scikit-learn จาก MLflow module
  • ใช้ไลบรารี scikit-learn จาก module mlflow บันทึกโมเดลลงในระบบไฟล์ในเครื่องไปยังไดเรกทอรีชื่อ "lr_local_v2"

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Load model from local filesystem
model = ____.____.____("____")

# Training Data
X = df[["R&D Spend", "Administration", "Marketing Spend", "State"]]
y = df[["Profit"]]
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7,random_state=0)
# Train Model
model.fit(X_train, y_train)

# Save model to local filesystem
____.____.____(____, "____")
แก้ไขและรันโค้ด