ПочатиПочніть безкоштовно

Додавання параметрів до MLproject

Визначення параметрів у MLflow Projects дає змогу зробити ваш код для ML відтворюваним. Параметри також спрощують запуск експериментів з навчання з різними налаштуваннями без зміни коду.

У цій вправі ви додасте параметри до файла MLproject для головної точки входу. Ця точка входу використовується для запуску скрипту train_model.py, який навчає модель логістичної регресії на даних Insurance.

Скрипт приймає два параметри — n_jobs і fit_intercept, це гіперпараметри, які використовуються для навчання моделі. Ви почнете з додавання параметра n_jobs у файл MLproject. Потім додасте параметр fit_intercept. Нарешті, ви додасте ці параметри до команди, що виконується в головній точці входу.

Ця вправа є частиною курсу

Вступ до MLflow

Переглянути курс

Інструкції до вправи

  • Створіть параметр з назвою n_jobs типу int зі значенням за замовчуванням 1.
  • Створіть другий параметр з назвою fit_intercept типу bool зі значенням за замовчуванням True.
  • Передайте обидва параметри в команду, забезпечивши, щоб n_jobs був першим, а за ним — fit_intercept.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

"""
name: insurance_model
python_env: python_env.yaml
entry_points:
  main:
    parameters:
      # Create parameter for number of jobs as n_jobs
      ____:
        ____: ____
        ____: ____
      # Create parameter for fit_intercept
      ____:
        ____: ____
        ____: ____
    # Add parameters to be passed into the command
    command: "python3.9 train_model.py {____} {____}"
"""
Редагувати та запускати код