Cargue un modelo por nombre y etapa
Obtenga desde su código el modelo actual de Production.
Cargue un modelo por nombre y etapa es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Closing the Loop
Registering a model only pays off when code can load it back. This is where your serving app finally meets the registry. 🔁
The models URI
You fetch registered models through a models:/ URI. It names the model and which version or stage you want, no file paths required.
Load by Exact Version
For a pinned, reproducible load, ask for a specific version. This always returns the same artifact, which is great for tests.
import mlflow
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/4")Load by Stage
In production you usually load by stage instead. Asking for Production means you always get whatever version is live right now.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/Production")Stage Loading Is Indirect
Loading by stage adds a layer of indirection. Promote a new version to Production and your code picks it up with no edits or redeploy.
Load by Alias
If you use aliases, load with the @ syntax. Asking for the champion alias resolves to whichever version you tagged as champion.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier@champion")pyfunc Is Universal
The pyfunc flavor wraps any framework behind one predict method. Your serving code stays identical whether it is sklearn or PyTorch underneath.
preds = m.predict(input_df)Native Flavor When Needed
Need framework-specific methods? Load the native flavor instead, like mlflow.sklearn, to get the original estimator object back.
model = mlflow.sklearn.load_model(
"models:/churn-classifier/Production")Point at the Server
Loading needs the tracking URI set so MLflow knows which registry to query. Without it, the lookup fails or hits the wrong store.
mlflow.set_tracking_uri(
"http://localhost:5000")Load Once at Startup
Loading is expensive, so do it once when your service boots, not on every request. Reuse the same object across predictions.
Refresh to Pick Up Changes
A long-running service keeps the version it loaded at startup. To adopt a freshly promoted model, reload on a schedule or restart the service.
Quick Check
Decide which URI a long-lived service should load.
Recap
You loaded models with a models:/ URI by version, stage, or alias, and learned to load once at startup. The registry round-trip is complete. 🚀
Preguntas frecuentes
¿La lección «Cargue un modelo por nombre y etapa» es gratis?
Sí — el texto completo de «Cargue un modelo por nombre y etapa» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Cargue un modelo por nombre y etapa»?
Obtenga desde su código el modelo actual de Production. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Cargue un modelo por nombre y etapa»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Registre su primera versión de modelo
- Etapas: Staging, Production, Archived
- Añada etiquetas y descripciones a los modelos
- Cargue un modelo por nombre y etapa