MLOps Academy · درس

تحميل نموذج بالاسم والمرحلة

اجلب نموذج Production الحالي من الشيفرة.

الدرس 4 من 413 خطوة

تحميل نموذج بالاسم والمرحلة درس مجاني في MLOps Academy على CoddyKit. هذا هو الدرس 4 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 MLOps Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة MLOps Academy 4 دروس في المجموع.

إتمام الدورة

لا تؤتي عملية تسجيل النموذج ثمارها إلا عندما تتمكن الشيفرة من تحميله مجددًا. هنا يلتقي تطبيق التقديم لديك أخيرًا بالسجل. 🔁

معرّف models

تجلب النماذج المسجّلة عبر معرّف models:/. وهو يحدد اسم النموذج والإصدار أو المرحلة المطلوبة، من دون الحاجة إلى مسارات الملفات.

التحميل بإصدار محدد

لتحميل ثابت وقابل لإعادة الإنتاج، اطلب إصدارًا محددًا. فهذا يعيد دائمًا الأثر نفسه، وهو أمر مناسب جدًا للاختبارات.

import mlflow
m = mlflow.pyfunc.load_model(
    "models:/churn-classifier/4")

التحميل حسب المرحلة

في بيئة الإنتاج، عادةً ما تحمّل النموذج حسب المرحلة بدلًا من ذلك. فعند طلب Production، ستحصل دائمًا على الإصدار النشط حاليًا.

m = mlflow.pyfunc.load_model(
    "models:/churn-classifier/Production")

التحميل حسب المرحلة غير مباشر

يضيف التحميل حسب المرحلة طبقة من التجريد. فعند ترقية إصدار جديد إلى Production، تلتقطه شيفرتك من دون أي تعديلات أو إعادة نشر.

التحميل حسب الاسم المستعار

إذا كنت تستخدم الأسماء المستعارة، فحمّل باستخدام الصيغة @. وسيؤدي طلب الاسم المستعار champion إلى الإصدار الذي عيّنته بوسم champion.

m = mlflow.pyfunc.load_model(
    "models:/churn-classifier@champion")

‏pyfunc شامل

يغلّف pyfunc أي إطار عمل خلف دالة predict واحدة. وتبقى شيفرة التقديم لديك متطابقة، سواء كان الإطار الأساسي sklearn أو PyTorch.

preds = m.predict(input_df)

استخدم النكهة الأصلية عند الحاجة

هل تحتاج إلى أساليب خاصة بإطار عمل معيّن؟ حمّل native بدلًا من ذلك، مثل mlflow.sklearn، لاستعادة كائن المقدّر الأصلي.

model = mlflow.sklearn.load_model(
    "models:/churn-classifier/Production")

توجيه الطلب إلى الخادم

يتطلب التحميل ضبط معرّف التتبّع حتى يعرف MLflow السجل الذي ينبغي الاستعلام عنه. ومن دونه، يفشل البحث أو يصل إلى مخزن غير صحيح.

mlflow.set_tracking_uri(
    "http://localhost:5000")

التحميل مرة واحدة عند بدء التشغيل

عملية التحميل مكلفة، لذا نفّذها مرة واحدة عند بدء تشغيل خدمتك، وليس مع كل طلب. وأعد استخدام الكائن نفسه في جميع التنبؤات.

التحديث لالتقاط التغييرات

تحتفظ الخدمة طويلة التشغيل بالإصدار الذي حمّلته عند بدء التشغيل. ولتبنّي نموذج رُقّي حديثًا، أعد التحميل وفق جدول زمني أو أعد تشغيل الخدمة.

تحقق سريع

حدّد المعرّف الذي ينبغي لخدمة طويلة التشغيل تحميله.

أجب عليها في الدرس التفاعلي

مراجعة

حمّلت النماذج باستخدام معرّف models:/ حسب الإصدار أو المرحلة أو الاسم المستعار، وتعلّمت تحميلها مرة واحدة عند بدء التشغيل. اكتملت دورة الذهاب والإياب مع السجل. 🚀

البدء مجانًا

تعلم Python مع معلم ذكاء اصطناعي — مجانًا

اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.

الدورات: 30
الدروس: 120

ابدأ التعلم مجانًا عرض الدورة الكاملة

الأسئلة الشائعة

هل درس «تحميل نموذج بالاسم والمرحلة» مجاني؟

نعم — نص درس «تحميل نموذج بالاسم والمرحلة» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة MLOps Academy، انتقل إلى CoddyKit PRO. تتضمن دورة MLOps Academy 4 دروس في المجموع.

ماذا ستتعلم في «تحميل نموذج بالاسم والمرحلة»؟

اجلب نموذج Production الحالي من الشيفرة. تتمرن على MLOps Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ MLOps Academy؟

لا تُشترط خبرة سابقة. MLOps Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.

كم من الوقت يستغرق درس «تحميل نموذج بالاسم والمرحلة»؟

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 MLOps Academy هذا؟

نعم. كل درس في MLOps Academy 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

← العودة إلى MLOps Academy