سجل النماذج وإدارة الإصدارات
تسجيل النماذج، وبيئات التدريج (Staging/Production)، والأسماء المستعارة للنماذج، والتحميل حسب الإصدار
سجل النماذج وإدارة الإصدارات درس مجاني في Learn AI with Python على CoddyKit. هذا هو الدرس 2 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Learn AI with Python، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Learn AI with Python 4 دروس في المجموع.
ما سجل النماذج؟
يُعد MLflow Model Registry مخزنًا مركزيًا لنماذجك. فهو يتتبع النماذج المسماة وإصداراتها ومراحل دورة حياتها، بحيث يعرف الفريق دائمًا النموذج الموجود في بيئة الإنتاج وكيف وصل إليها.
أهمية إدارة الإصدارات
تُعاد تدريب النماذج باستمرار. تمنح إدارة الإصدارات كل عملية إعادة تدريب رقمًا، وتتيح لك التراجع فورًا إذا أساء نموذج جديد التصرف، كما تربط كل إصدار بعملية التشغيل التي أنتجته لتوفير سجل نسب كامل.
تسجيل نموذج
يأخذ mlflow.register_model معرّف URI لنموذج مسجل واسمًا، وينشئ الإصدار 1 (أو الإصدار التالي) في السجل.
import mlflow
result = mlflow.register_model(
model_uri="runs:/<run_id>/model",
name="churn_classifier"
)
print("Version:", result.version)التسجيل عند حفظ النموذج
يمكنك أيضًا التسجيل مباشرةً عند تسجيل النموذج، وذلك بتمرير registered_model_name، الذي ينشئ تلقائيًا إصدارًا جديدًا في كل عملية تشغيل.
mlflow.sklearn.log_model(
model,
artifact_path="model",
registered_model_name="churn_classifier"
)مراحل دورة الحياة
ينتقل كل إصدار عبر المراحل التالية: None -> Staging (الاختبار) -> Production (قيد التشغيل) -> Archived. تفصل المراحل بين «أي إصدار» و«الإصدار الذي يقدّم الخدمة»، لذلك يصبح الترويج تغييرًا في البيانات الوصفية بدلًا من إعادة النشر.
MlflowClient
تتم عمليات السجل برمجيًا من خلال MlflowClient.
from mlflow.tracking import MlflowClient
client = MlflowClient()نقل الإصدارات بين المراحل
يرفع transition_model_version_stage إصدارًا إلى مرحلة أعلى. انقله إلى Staging لضمان الجودة، ثم إلى Production بعد التحقق منه.
client.transition_model_version_stage(
name="churn_classifier",
version=3,
stage="Production"
)التحميل بحسب المرحلة
يمكن لشفرة تقديم الخدمة تحميل «أي إصدار موجود في Production» دون تثبيت رقم إصدار في الشفرة، ولذلك يؤدي الترويج إلى إصدار جديد إلى تحديث الإصدار المقدَّم فورًا.
import mlflow.pyfunc
model = mlflow.pyfunc.load_model(
"models:/churn_classifier/Production"
)أسماء النماذج المستعارة (MLflow 2.x)
قدّم MLflow 2.x الأسماء المستعارة: وهي مؤشرات مسماة قابلة للتغيير مثل @champion أو @challenger مرتبطة بإصدار. وهي أكثر مرونة من أسماء المراحل الثابتة، وتُعد النهج الحديث الموصى به.
client.set_registered_model_alias(
name="churn_classifier",
alias="champion",
version=3
)التحميل بحسب الاسم المستعار
يمكنك الإشارة إلى نموذج باسمه المستعار باستخدام صيغة @، بحيث تؤدي إعادة تعيين الاسم المستعار إلى إصدار جديد إلى إعادة توجيه جميع المستهلكين فورًا.
model = mlflow.pyfunc.load_model(
"models:/churn_classifier@champion"
)المراحل مقابل الأسماء المستعارة
- Stages: مجموعة ثابتة (Staging/Production/Archived) ودورة حياة بسيطة.
- Aliases: أي اسم مخصص، ويمكن أن يكون للنموذج الواحد عدة أسماء، وهي موصى بها في MLflow 2.x.
ينبغي للمشروعات الجديدة تفضيل الأسماء المستعارة لما توفره من مرونة.
تحقق سريع
اختبر معرفتك بسجل النماذج.
مراجعة
لقد استخدمت MLflow Model Registry: ينشئ register_model الإصدارات، وينقلها MlflowClient.transition_model_version_stage بين Staging وProduction، ويمكنك التحميل بحسب المرحلة أو باستخدام alias (في MLflow 2.x)، بحيث تتحدث الخدمة المقدَّمة دون تغييرات في الشفرة. التالي: إنشاء مسارات قابلة لإعادة الإنتاج.
الأسئلة الشائعة
هل درس «سجل النماذج وإدارة الإصدارات» مجاني؟
نعم — نص درس «سجل النماذج وإدارة الإصدارات» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Learn AI with Python، انتقل إلى CoddyKit PRO. تتضمن دورة Learn AI with Python 4 دروس في المجموع.
ماذا ستتعلم في «سجل النماذج وإدارة الإصدارات»؟
تسجيل النماذج، وبيئات التدريج (Staging/Production)، والأسماء المستعارة للنماذج، والتحميل حسب الإصدار تتمرن على Learn AI with Python مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Learn AI with Python؟
لا تُشترط خبرة سابقة. Learn AI with Python على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 2 من أصل 4.
كم من الوقت يستغرق درس «سجل النماذج وإدارة الإصدارات»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Learn AI with Python هذا؟
نعم. كل درس في Learn AI with Python يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- تتبّع التجارب باستخدام MLflow
- سجل النماذج وإدارة الإصدارات
- بناء مسارات تعلم آلي قابلة لإعادة الإنتاج
- مراقبة أداء النموذج في بيئة الإنتاج