Daftarkan Versi Model Pertama Anda
Kirim model terlatih ke MLflow Model Registry.
Daftarkan Versi Model Pertama Anda adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa Itu Registri
Registri model adalah katalog pusat untuk model yang telah dilatih. Alih-alih tersebar sebagai file di laptop, setiap model berada di satu tempat dengan nomor versi. 📚
Run vs Model Terdaftar
Sebuah run MLflow mencatat satu percobaan pelatihan. Model terdaftar adalah entri bernama yang menunjuk ke run terbaik yang Anda pilih untuk dipromosikan dan dipertahankan.
Catat Sebelum Mendaftarkan
Anda selalu harus mencatat model terlebih dahulu di dalam sebuah run. Pencatatan menyimpan artefak sehingga registri memiliki sesuatu yang konkret untuk dirujuk nanti.
import mlflow
with mlflow.start_run():
mlflow.sklearn.log_model(model, "model")Daftarkan dalam Satu Panggilan
Cara tercepat adalah menggunakan argumen registered_model_name. Berikan argumen tersebut ke log_model, lalu MLflow membuat entri registri dan versi pertama untuk Anda.
mlflow.sklearn.log_model(
model, "model",
registered_model_name="churn-classifier")Versi Dimulai dari 1
Pendaftaran pertama Anda menjadi versi 1. Setiap pendaftaran berikutnya dengan nama yang sama otomatis menaikkan versi, sehingga riwayat tidak pernah tertimpa.
Daftarkan dari Run Sebelumnya
Sudah mencatat model? Anda dapat mendaftarkannya setelah itu dengan menunjuk URI run-nya menggunakan mlflow.register_model.
mlflow.register_model(
"runs:/<run_id>/model",
"churn-classifier")URI runs
URI runs:/ tersebut adalah cara MLflow menemukan artefak. URI ini menggabungkan ID run dan jalur artefak yang Anda gunakan saat mencatat model.
URI Pelacakan
Tetapkan URI pelacakan agar kode Anda terhubung ke server yang benar. Tanpanya, MLflow akan mendaftarkan semuanya ke folder mlruns lokal.
mlflow.set_tracking_uri(
"http://localhost:5000")Lihat di Antarmuka
Buka antarmuka MLflow dan klik tab Models. Nama model baru Anda muncul di sana dengan versi 1 di bawahnya, siap diperiksa.
Nama Adalah Pengenal
Pilih nama yang jelas dan stabil seperti fraud-detector. Rekan satu tim dan kode memuat model berdasarkan nama tersebut, sehingga menggantinya nanti akan merusak semua hal yang merujuk kepadanya.
Konfirmasi dengan Klien
MlflowClient memungkinkan Anda memverifikasi pendaftaran melalui kode. Ambil model berdasarkan nama, lalu baca versi yang tersedia.
from mlflow import MlflowClient
c = MlflowClient()
print(c.get_registered_model("churn-classifier"))Pemeriksaan Singkat
Mari kita periksa bagaimana pendaftaran pertama diberi nomor.
Ringkasan
Anda mencatat sebuah model, memberinya nama registri, dan mendapatkan versi 1. Kini model terbaik Anda memiliki tempat yang dapat ditemukan oleh siapa pun dalam tim. 🎉
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Daftarkan Versi Model Pertama Anda” gratis?
Ya — teks lengkap “Daftarkan Versi Model Pertama Anda” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Daftarkan Versi Model Pertama Anda”?
Kirim model terlatih ke MLflow Model Registry. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Daftarkan Versi Model Pertama Anda” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Daftarkan Versi Model Pertama Anda
- Tahap: Staging, Produksi, Diarsipkan
- Tambahkan Tag dan Deskripsi ke Model
- Muat Kembali Model Berdasarkan Nama dan Tahap