Modeli kaydetme

Son adım, eğitilmiş modeli MLflow kullanarak kaydetmek ve günlüğe (log) almaktır. Bu sayede modellerini üretime alma için izleyebilir ve sürümleyebilirsin.

datetime, mlflow, mlforecast.flavor paketleri ve eğitilmiş mlf modeli senin için önceden yüklendi.

Bu egzersiz

Üretim için Tahmin (Forecasting) Hatları Tasarlama

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

run_time değişkeninde oluşturulan mevcut zaman damgasını kullanarak run_name'i ayarla.
Belirtilen deney (experiment) kimliğiyle bir çalışma başlatmak için mlflow.start_run() kullan.
Modeli doğru yöntemle günlüğe (log) al.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

experiment_name = "ml_forecast"
try:
    mlflow.create_experiment(name=experiment_name)
    meta = mlflow.get_experiment_by_name(experiment_name)
    print(f"Setting a new experiment {experiment_name}")
except:
    print(f"Experiment {experiment_name} exists, pulling the metadata")
    meta = mlflow.get_experiment_by_name(experiment_name)

# Setup the run name and time
run_time = datetime.datetime.now().strftime("%Y-%m-%d %H-%M-%S")
run_name = f"lightGBM6_{____}"

# Start the run
with mlflow.____(experiment_id=meta.experiment_id, run_name=run_name) as run:
    # Log the model
    mlforecast.flavor.____(model=mlf, artifact_path="prod_model")
    print(f"MLflow Run created - Name: {run_name}, ID: {run.info.run_id}")

Kodu Düzenle ve Çalıştır