Bắt đầu ngayBắt đầu miễn phí

Ghi log và tải mô hình

Model API cung cấp cách tương tác với mô hình bằng cách ghi log và tải trực tiếp từ MLflow Tracking theo một chuẩn thống nhất. Khả năng tương tác với mô hình là yếu tố then chốt trong vòng đời ML, đặc biệt ở bước Model Engineering và Model Evaluation.

Trong bài tập này, bạn sẽ tạo một mô hình Linear Regression từ scikit-learn sử dụng bộ dữ liệu Unicorn. Mô hình này sẽ được ghi log lên MLflow Tracking và sau đó được tải lại bằng run_id đã dùng để ghi log artifact.

Đầu tiên, bạn sẽ ghi log mô hình bằng thư viện scikit-learn từ mô-đun MLflow. Sau đó, bạn sẽ tải mô hình từ MLflow Tracking bằng run_id.

Mô hình sẽ được huấn luyện và có tên lr_model.

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

Mô-đun mlflow đã được import.

Bài tập này là một phần của khóa học

Giới thiệu về MLflow

Xem khóa học

Hướng dẫn bài tập

  • Ghi log mô hình lên MLflow Tracking dưới đường dẫn artifact "lr_tracking".
  • Tạo biến run và gán bằng lần chạy gần nhất.
  • Tạo biến run_id và gán bằng run_id của biến run.
  • Tải mô hình bằng run_id và đường dẫn artifact đã dùng để ghi log mô hình.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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:/{____}/____")
Chỉnh sửa và Chạy Mã