Tentukan Tanda Tangan dan Skema Model

Tanda tangan model menyatakan dengan tepat input yang diharapkan dan output yang dikembalikan. Tanda tangan adalah kontrak model. 📜

Dengan skema yang jelas, pemanggil mengetahui kolom dan tipe yang harus dikirim. Input yang salah dapat diketahui lebih awal, bukan menyebabkan kerusakan saat prediksi.

Tanda tangan memiliki dua bagian: skema input yang menjelaskan setiap fitur, dan skema output yang menjelaskan bentuk prediksi.

Model tabular menggunakan skema kolom yang berisi bidang bernama dengan tipe tertentu. Model gambar atau teks sering menggunakan skema tensor yang berisi bentuk dan tipe data.

Cara termudah adalah infer_signature: berikan contoh input dan output, lalu MLflow akan menentukan skemanya untuk Anda.

Teruskan tanda tangan yang disimpulkan ke log_model agar disimpan langsung di dalam berkas MLmodel model.

Mencatat input_example juga memberi rekan kerja contoh input yang valid untuk disalin dan ditempel, serta membantu alat membuat permintaan yang benar.

Saat Anda menyajikan model, MLflow memeriksa setiap permintaan terhadap skema dan menolak input dengan tipe yang salah atau bidang yang hilang. 🛡️

MLflow dapat menaikkan tipe secara diam-diam dengan aman, seperti dari int ke long, tetapi memblokir perubahan yang menyebabkan kehilangan data agar model tidak pernah menerima data yang rusak.

Anda dapat menandai bidang sebagai opsional, dan kolom tambahan yang tidak diharapkan akan dihapus, sehingga perubahan kecil pada input tidak merusak penyajian.

Tanda tangan juga berfungsi sebagai dokumentasi: buka berkas MLmodel, dan Anda dapat langsung melihat seluruh kontrak input dan output model.

Tanda tangan adalah kontrak input dan output model Anda: simpulkan, catat bersama sebuah contoh, dan biarkan MLflow menerapkannya saat penyajian. 🎉