MLOps Academy · पाठ

कस्टम प्रेडिक्टर लिखें

अपना प्रीप्रोसेसिंग और मॉडल कोड जोड़ें।

पाठ 3, कुल 4 में से13 चरण

कस्टम प्रेडिक्टर लिखें, CoddyKit पर MLOps Academy का एक निःशुल्क पाठ है। यह 4 में से 3वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह MLOps Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। MLOps Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

जब अंतर्निहित सुविधाएँ पर्याप्त न हों

अंतर्निहित रनटाइम sklearn, PyTorch और अन्य फ़्रेमवर्क को सँभालते हैं। लेकिन जब आपके मॉडल को विशेष तर्क की आवश्यकता हो, तो आपको अपना समाधान लिखना पड़ता है। कस्टम पूर्वानुमानक आपको पूरा नियंत्रण देता है। 🛠️

यह केवल एक कंटेनर है

कस्टम पूर्वानुमानक आपका अपना कंटेनर इमेज है, जो KServe प्रोटोकॉल के अनुसार काम करता है। आप अपने कोड, मॉडल और निर्भरताओं को एक इमेज में पैक करके KServe को देते हैं।

KServe Python SDK

kserve Python पैकेज आपको विस्तार करने के लिए एक आधार क्लास देता है। आप kserve.Model की उपक्लास बनाकर यह लिखते हैं कि आपका मॉडल कैसे लोड होगा और पूर्वानुमान कैसे देगा।

import kserve

class MyModel(kserve.Model):
    def __init__(self, name):
        super().__init__(name)
        self.ready = False

load() लागू करें

load विधि शुरुआत में आपके मॉडल को डिस्क से मेमोरी में एक बार पढ़ती है। इसके पूरा होने पर ready को True सेट करें, ताकि KServe जान सके कि वह सेवा देने के लिए तैयार है।

def load(self):
    self.model = joblib.load("/mnt/models/model.joblib")
    self.ready = True

predict() लागू करें

predict विधि अनुरोध का डेटा लेती है, आपका मॉडल चलाती है और परिणाम को शब्दकोश के रूप में लौटाती है। आपका वास्तविक पूर्वानुमान तर्क यहीं रहता है।

def predict(self, payload, headers=None):
    rows = payload["instances"]
    preds = self.model.predict(rows)
    return {"predictions": preds.tolist()}

कस्टम पूर्वप्रसंस्करण यहाँ करें

क्या पूर्वानुमान से पहले इनपुट का आकार बदलना या व्यावसायिक नियम लागू करना है? वह तर्क predict के भीतर या पूर्वप्रसंस्करण चरण में रखें। रनटाइम को इसकी जानकारी होने की आवश्यकता नहीं होगी।

मॉडल सर्वर शुरू करें

आप अपनी क्लास को ModelServer से जोड़कर उसे शुरू करते हैं। KServe का सर्वर HTTP, स्वास्थ्य-जाँच और प्रोटोकॉल सँभालता है, इसलिए आपको केवल मॉडल कोड लिखना होता है। ModelServer यह चक्र चलाता है।

if __name__ == "__main__":
    model = MyModel("custom-model")
    model.load()
    kserve.ModelServer().start([model])

इसे Dockerfile में पैक करें

आप ऐसा कंटेनर बनाते हैं जो kserve इंस्टॉल करता है, आपका कोड कॉपी करता है और सर्वर चलाता है। यह Dockerfile वह इमेज बनाता है जिसे KServe शुरू करेगा।

FROM python:3.11-slim
RUN pip install kserve joblib scikit-learn
COPY model.py /app/model.py
CMD ["python", "/app/model.py"]

विनिर्देशन को अपनी इमेज की ओर निर्देशित करें

InferenceService में पूर्वानुमानक मॉडल प्रारूप के बजाय साधारण कंटेनर खंड का उपयोग करता है। अपनी इमेज का नाम दें और KServe उसे चलाएगा।

spec:
  predictor:
    containers:
      - name: kserve-container
        image: my-registry/custom-model:latest

अपना मॉडल माउंट करना

आप storageUri सेट कर सकते हैं और KServe डाउनलोड किए गए मॉडल को ऐसे ज्ञात पथ पर माउंट कर देगा जिसे आपका कोड पढ़ता है। कंटेनर और storageUri साथ मिलकर काम करते हैं।

वही प्रोटोकॉल, आपका तर्क

आप मानक एंडपॉइंट लागू करते हैं, इसलिए क्लाइंट आपके कस्टम पूर्वानुमानक को ठीक उसी तरह बुलाते हैं जैसे अंतर्निहित पूर्वानुमानक को। प्रोटोकॉल समान रहता है, केवल आंतरिक तर्क आपका होता है।

त्वरित जाँच

आप कस्टम पूर्वानुमानक के लिए kserve.Model की उपक्लास बनाते हैं। कौन-सी विधि मॉडल को मेमोरी में लोड करती है?

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन

आपने kserve.Model की उपक्लास बनाकर, load और predict भरकर और उसे कंटेनर के रूप में भेजकर कस्टम पूर्वानुमानक बनाया। प्रोटोकॉल वही है, तर्क आपका अपना है। शानदार काम! 🎉

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 30
पाठ: 120

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “कस्टम प्रेडिक्टर लिखें” पाठ निःशुल्क है?

हाँ—“कस्टम प्रेडिक्टर लिखें” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और MLOps Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। MLOps Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“कस्टम प्रेडिक्टर लिखें” में मैं क्या सीखूँगा?

अपना प्रीप्रोसेसिंग और मॉडल कोड जोड़ें। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ MLOps Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या MLOps Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर MLOps Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 3वाँ पाठ है।

“कस्टम प्रेडिक्टर लिखें” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस MLOps Academy पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर MLOps Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← MLOps Academy पर वापस जाएँ