เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การบันทึกและโหลดโมเดล

Model API ช่วยให้สามารถโต้ตอบกับโมเดลได้โดยการบันทึกและโหลดโมเดลจาก MLflow Tracking โดยตรงในรูปแบบมาตรฐาน ความสามารถในการโต้ตอบกับโมเดลถือเป็นสิ่งสำคัญในวงจรชีวิต ML ทั้งในขั้นตอน Model Engineering และ Model Evaluation

ในแบบฝึกหัดนี้ จะสร้างโมเดล Linear Regression จาก scikit-learn โดยใช้ชุดข้อมูล Unicorn จากนั้นจะบันทึกโมเดลนี้ไปยัง MLflow Tracking และโหลดกลับมาโดยใช้ run_id ที่ใช้บันทึก artifact

ขั้นแรก บันทึกโมเดลโดยใช้ไลบรารี scikit-learn จากโมดูล MLflow จากนั้นโหลดโมเดลจาก MLflow Tracking โดยใช้ run_id

โมเดลจะถูกเทรนและมีชื่อว่า lr_model

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

โมดูล mlflow จะถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

MLflow เบื้องต้น

ดูคอร์ส

คำแนะนำการฝึกหัด

  • บันทึกโมเดลไปยัง MLflow Tracking ภายใต้ artifact path ชื่อ "lr_tracking"
  • สร้างตัวแปรชื่อ run แล้วกำหนดค่าให้เป็น run ล่าสุด
  • สร้างตัวแปรอีกตัวชื่อ run_id แล้วกำหนดค่าให้เป็น run_id ของตัวแปร run
  • โหลดโมเดลโดยใช้ run_id และ artifact path ที่ใช้บันทึกโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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:/{____}/____")
แก้ไขและรันโค้ด