Ein Modell nach Name und Stufe laden
Rufen Sie das aktuelle Production-Modell aus Ihrem Code ab.
Ein Modell nach Name und Stufe laden ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Den Kreislauf schließen
Die Registrierung eines Modells lohnt sich erst, wenn der Code es wieder laden kann. Hier trifft Ihre Serving-Anwendung schließlich auf die Registry. 🔁
Die models-URI
Registrierte Modelle rufen Sie über eine models:/-URI ab. Sie gibt das Modell sowie die gewünschte Version oder Stage an, ohne dass Dateipfade erforderlich sind.
Nach exakter Version laden
Für ein festgelegtes und reproduzierbares Laden fordern Sie eine bestimmte Version an. Dadurch wird immer dasselbe Artefakt zurückgegeben – ideal für Tests.
import mlflow
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/4")Nach Stage laden
In der Produktion laden Sie normalerweise stattdessen nach Stage. Wenn Sie Production anfordern, erhalten Sie immer die Version, die gerade aktiv ist.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/Production")Das Laden nach Stage ist indirekt
Das Laden nach Stage fügt eine Ebene der Indirektion hinzu. Wenn Sie eine neue Version nach Production überführen, verwendet Ihr Code sie ohne Änderungen oder erneutes Deployment.
Nach Alias laden
Wenn Sie Aliase verwenden, laden Sie mit der Syntax @. Die Anforderung des Alias champion wird zu der Version aufgelöst, die Sie als champion markiert haben.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier@champion")pyfunc ist universell
Der pyfunc-Flavor kapselt jedes Framework hinter einer einheitlichen predict-Methode. Ihr Serving-Code bleibt gleich, unabhängig davon, ob im Hintergrund sklearn oder PyTorch verwendet wird.
preds = m.predict(input_df)Native Flavor bei Bedarf
Benötigen Sie frameworkspezifische Methoden? Laden Sie stattdessen den native-Flavor, etwa mit mlflow.sklearn, um wieder das ursprüngliche Estimator-Objekt zu erhalten.
model = mlflow.sklearn.load_model(
"models:/churn-classifier/Production")Auf den Server zeigen
Zum Laden muss die Tracking-URI gesetzt sein, damit MLflow weiß, welche Registry abgefragt werden soll. Andernfalls schlägt die Suche fehl oder greift auf den falschen Speicher zu.
mlflow.set_tracking_uri(
"http://localhost:5000")Einmal beim Start laden
Das Laden ist aufwendig. Führen Sie es daher beim Start Ihres Dienstes einmal aus, nicht bei jeder Anfrage. Verwenden Sie dasselbe Objekt für alle Vorhersagen wieder.
Aktualisieren, um Änderungen zu übernehmen
Ein Dienst mit langer Laufzeit behält die beim Start geladene Version. Um ein frisch überführtes Modell zu übernehmen, laden Sie es regelmäßig neu oder starten Sie den Dienst neu.
Schnelltest
Entscheiden Sie, welche URI ein Dienst mit langer Laufzeit laden sollte.
Zusammenfassung
Sie haben Modelle mit einer models:/-URI nach Version, Stage oder Alias geladen und gelernt, sie einmal beim Start zu laden. Der vollständige Weg durch die Registry ist damit abgeschlossen. 🚀
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Ein Modell nach Name und Stufe laden“ kostenlos?
Ja — der vollständige Text von „Ein Modell nach Name und Stufe laden“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Ein Modell nach Name und Stufe laden“?
Rufen Sie das aktuelle Production-Modell aus Ihrem Code ab. Du übst MLOps Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um MLOps Academy zu starten?
Keine Vorkenntnisse erforderlich. MLOps Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Ein Modell nach Name und Stufe laden“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser MLOps Academy-Lektion Code schreiben und ausführen?
Ja. Jede MLOps Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Ihre erste Modellversion registrieren
- Stufen: Staging, Production, Archived
- Modelle mit Tags und Beschreibungen versehen
- Ein Modell nach Name und Stufe laden