Ihre erste Modellversion registrieren
Übertragen Sie ein trainiertes Modell in die MLflow Model Registry.
Ihre erste Modellversion registrieren ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 1 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.
Was ein Registry ist
Eine model registry ist ein zentraler Katalog für Ihre trainierten Modelle. Statt über Laptops verstreuter Dateien befindet sich jedes Modell an einem Ort und hat eine Versionsnummer. 📚
Runs und registrierte Modelle
Ein MLflow-run hält einen einzelnen Trainingsversuch fest. Ein registriertes Modell ist ein benannter Eintrag, der auf den besten Run verweist, den Sie zur weiteren Verwendung auswählen.
Vor dem Registrieren loggen
Sie loggen ein Modell immer zuerst innerhalb eines Runs. Beim Logging wird das Artefakt gespeichert, sodass die Registry später auf etwas Konkretes verweisen kann.
import mlflow
with mlflow.start_run():
mlflow.sklearn.log_model(model, "model")Mit einem Aufruf registrieren
Der schnellste Weg führt über das Argument registered_model_name. Übergeben Sie es an log_model, und MLflow erstellt den Registry-Eintrag sowie eine erste Version für Sie.
mlflow.sklearn.log_model(
model, "model",
registered_model_name="churn-classifier")Versionen beginnen bei 1
Ihre erste Registrierung wird zu version 1. Jede spätere Registrierung unter demselben Namen erhöht die Versionsnummer automatisch, sodass die Historie nie überschrieben wird.
Aus einem früheren Run registrieren
Sie haben ein Modell bereits geloggt? Sie können es nachträglich registrieren, indem Sie mit mlflow.register_model auf seine Run-URI verweisen.
mlflow.register_model(
"runs:/<run_id>/model",
"churn-classifier")Die runs-URI
Über diese runs:/-URI findet MLflow das Artefakt. Sie kombiniert die Run-ID mit dem Artefaktpfad, den Sie beim Loggen des Modells verwendet haben.
Die Tracking-URI
Setzen Sie die tracking URI, damit Ihr Code mit dem richtigen Server kommuniziert. Ohne sie registriert MLflow alles stattdessen in einem lokalen mlruns-Ordner.
mlflow.set_tracking_uri(
"http://localhost:5000")In der Benutzeroberfläche anzeigen
Öffnen Sie die MLflow-Benutzeroberfläche und klicken Sie auf die Registerkarte Models. Dort erscheint der Name Ihres neuen Modells mit der darunter aufgeführten Version 1, bereit zur Prüfung.
Namen sind Bezeichner
Wählen Sie einen eindeutigen, stabilen name wie fraud-detector. Teammitglieder und Code laden Modelle anhand dieses Namens, daher würde eine spätere Umbenennung alle Verweise ungültig machen.
Mit dem Client bestätigen
Mit dem MlflowClient können Sie die Registrierung im Code überprüfen. Rufen Sie das Modell anhand seines Namens ab und lesen Sie die vorhandenen Versionen aus.
from mlflow import MlflowClient
c = MlflowClient()
print(c.get_registered_model("churn-classifier"))Schnelltest
Sehen wir uns an, wie eine erste Registrierung nummeriert wird.
Zusammenfassung
Sie haben ein Modell geloggt, ihm einen Registry-name gegeben und Version 1 erhalten. Ihr bestes Modell hat nun einen festen Ort, den jeder im Team finden kann. 🎉
Häufig gestellte Fragen
Ist die Lektion „Ihre erste Modellversion registrieren“ kostenlos?
Ja — der vollständige Text von „Ihre erste Modellversion registrieren“ 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 „Ihre erste Modellversion registrieren“?
Übertragen Sie ein trainiertes Modell in die MLflow Model Registry. 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 1 von 4.
Wie lange dauert die Lektion „Ihre erste Modellversion registrieren“?
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