MLOps Academy · Lektion

Ein Modell im Bento Store speichern

Registrieren Sie ein Modellartefakt mit BentoML.

Ein Modell im Bento Store speichern 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.

Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.

Meet BentoML

BentoML is a Python framework that packages and serves models with batching and scaling built in, so you skip a lot of boilerplate. 🚀

Install It

Getting started takes one command. You install bentoml from pip just like any other Python package.

pip install bentoml

The Bento Store

The Bento Store is a local registry on your machine. Every model you save lands there with a name and an automatic version tag.

Train Something First

You need a model before you can save one. Here you fit a simple scikit-learn classifier on some data.

from sklearn.svm import SVC
clf = SVC()
clf.fit(X, y)

Save with the Framework API

BentoML ships a helper per framework. For scikit-learn you call bentoml.sklearn.save_model with a name and the fitted model.

import bentoml
bentoml.sklearn.save_model("iris_clf", clf)

Names and Tags

Each save creates a tag like iris_clf:abc123. The name stays the same while the version after the colon changes every save.

Other Frameworks Too

The same pattern works everywhere. Swap the module to match your framework, like bentoml.pytorch or bentoml.xgboost.

bentoml.pytorch.save_model("net", model)

List Your Models

You can see everything in the store from your terminal. The bentoml models list command shows names, tags, and sizes.

bentoml models list

Load It Back

To use a saved model you load it by tag. Passing latest grabs the newest version without hardcoding a hash.

model = bentoml.sklearn.load_model("iris_clf:latest")

Attach Custom Metadata

You can stash extra info at save time. Adding metadata like accuracy travels with the model so teammates know what it is.

bentoml.sklearn.save_model("iris_clf", clf, metadata={"acc": 0.96})

Clean Up Old Versions

The store can fill up over time. You prune anything you no longer need with the bentoml models delete command and a tag.

bentoml models delete iris_clf:abc123

Quick Check

You just ran save_model twice for the same name. What identifies the two saves apart?

Recap

You installed BentoML, saved a model to the Bento Store with a framework helper, listed it, and loaded it back by tag. The model is now managed! 🙌

Häufig gestellte Fragen

Ist die Lektion „Ein Modell im Bento Store speichern“ kostenlos?

Ja — der vollständige Text von „Ein Modell im Bento Store speichern“ 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 im Bento Store speichern“?

Registrieren Sie ein Modellartefakt mit BentoML. 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 „Ein Modell im Bento Store speichern“?

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

← Zurück zu MLOps Academy