Définir la signature et le schéma d’un modèle
Déclarez explicitement les entrées et sorties attendues.
Définir la signature et le schéma d’un modèle est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.
Ce qui entre et ce qui sort
La signature d’un modèle déclare précisément les entrées attendues et les sorties renvoyées. C’est le contrat du modèle. 📜
Pourquoi les signatures sont importantes
Avec un schéma clair, les appelants savent quelles colonnes et quels types envoyer. Les mauvaises entrées sont détectées tôt au lieu de provoquer une erreur au moment de la prédiction.
Entrées et sorties
Une signature comporte deux parties : le schéma d’entrée, qui décrit chaque caractéristique, et le schéma de sortie, qui décrit la forme de la prédiction.
Schémas en colonnes ou en tenseurs
Les modèles tabulaires utilisent un schéma en colonnes composé de champs nommés et typés. Les modèles d’image ou de texte utilisent souvent un schéma en tenseurs indiquant les formes et les types de données.
L’inférer automatiquement
La méthode la plus simple consiste à utiliser infer_signature : transmettez-lui des entrées et sorties d’exemple, et MLflow détermine le schéma pour vous.
from mlflow.models import infer_signature
sig = infer_signature(X, model.predict(X))L’ajouter lors de l’enregistrement
Transmettez la signature inférée à log_model afin qu’elle soit enregistrée directement dans le fichier MLmodel du modèle.
mlflow.sklearn.log_model(model, name='m', signature=sig)Ajouter un exemple d’entrée
Enregistrer également un input_example fournit à vos coéquipiers un exemple d’entrée valide à copier-coller et aide les outils à générer des requêtes correctes.
mlflow.sklearn.log_model(model, name='m',
input_example=X[:1])Contrôle lors de la mise à disposition
Lorsque vous mettez le modèle à disposition, MLflow vérifie chaque requête par rapport au schéma et rejette les entrées dont le type est incorrect ou auxquelles il manque des champs. 🛡️
Conversion sûre des types
MLflow peut convertir silencieusement certains types vers un type plus large, comme int vers long, mais bloque les conversions avec perte afin que votre modèle ne reçoive jamais de données corrompues.
Colonnes facultatives et supplémentaires
Vous pouvez marquer des champs comme facultatifs, et les colonnes supplémentaires inattendues sont supprimées ; de petites modifications des entrées ne perturbent donc pas la mise à disposition.
Un document évolutif
La signature sert également de documentation : ouvrez le fichier MLmodel et vous verrez immédiatement le contrat complet des entrées et sorties du modèle.
Vérification rapide
Dernière vérification sur les signatures et les schémas de modèles.
Récapitulatif
Une signature est le contrat d’entrée et de sortie de votre modèle : inférez-la, enregistrez-la avec un exemple et laissez MLflow l’appliquer lors de la mise à disposition. 🎉
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Définir la signature et le schéma d’un modèle » est-elle gratuite ?
Oui — le texte complet de « Définir la signature et le schéma d’un modèle » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Définir la signature et le schéma d’un modèle » ?
Déclarez explicitement les entrées et sorties attendues. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer MLOps Academy ?
Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Définir la signature et le schéma d’un modèle » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?
Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Sérialiser avec Pickle et Joblib
- Le format de modèle MLflow
- Exporter vers ONNX pour faciliter la portabilité
- Définir la signature et le schéma d’un modèle