Simpan Model ke Bento Store
Daftarkan artefak model dengan BentoML.
Simpan Model ke Bento Store 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.
Berkenalan dengan BentoML
BentoML adalah kerangka kerja Python yang mengemas dan menyajikan model dengan batching serta penskalaan bawaan, sehingga Anda tidak perlu menulis banyak kode pendukung. 🚀
Pasang
Memulai hanya membutuhkan satu perintah. Anda memasang bentoml dari pip seperti paket Python lainnya.
pip install bentomlBento Store
Bento Store adalah registri lokal di mesin Anda. Setiap model yang Anda simpan akan berada di sana dengan nama dan label versi otomatis.
Latih Sesuatu Terlebih Dahulu
Anda memerlukan model sebelum dapat menyimpannya. Di sini Anda menyesuaikan pengklasifikasi scikit-learn sederhana dengan sejumlah data.
from sklearn.svm import SVC
clf = SVC()
clf.fit(X, y)Simpan dengan API Kerangka Kerja
BentoML menyediakan pembantu untuk setiap kerangka kerja. Untuk scikit-learn, Anda memanggil bentoml.sklearn.save_model dengan nama dan model yang telah disesuaikan.
import bentoml
bentoml.sklearn.save_model("iris_clf", clf)Nama dan Label
Setiap penyimpanan membuat label seperti iris_clf:abc123. Namanya tetap sama, sedangkan versi setelah titik dua berubah pada setiap penyimpanan.
Kerangka Kerja Lain Juga Bisa
Pola yang sama berlaku di mana saja. Ganti modulnya agar sesuai dengan kerangka kerja Anda, seperti bentoml.pytorch atau bentoml.xgboost.
bentoml.pytorch.save_model("net", model)Daftarkan Model Anda
Anda dapat melihat semua isi penyimpanan dari terminal. Perintah bentoml models list menampilkan nama, label, dan ukuran.
bentoml models listMuat Kembali
Untuk menggunakan model yang tersimpan, muat model berdasarkan labelnya. Meneruskan latest akan mengambil versi terbaru tanpa menetapkan hash secara langsung.
model = bentoml.sklearn.load_model("iris_clf:latest")Tambahkan Metadata Khusus
Anda dapat menyimpan informasi tambahan saat menyimpan model. Penambahan metadata seperti akurasi akan ikut tersimpan bersama model sehingga rekan satu tim mengetahui detailnya.
bentoml.sklearn.save_model("iris_clf", clf, metadata={"acc": 0.96})Bersihkan Versi Lama
Penyimpanan dapat penuh seiring waktu. Hapus apa pun yang tidak lagi diperlukan dengan perintah bentoml models delete dan sebuah label.
bentoml models delete iris_clf:abc123Pemeriksaan Singkat
Anda baru saja menjalankan save_model dua kali untuk nama yang sama. Apa yang membedakan kedua penyimpanan tersebut?
Rangkuman
Anda telah memasang BentoML, menyimpan model ke Bento Store dengan pembantu kerangka kerja, mencantumkannya, lalu memuatnya kembali berdasarkan label. Model kini telah dikelola! 🙌
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Simpan Model ke Bento Store” gratis?
Ya — teks lengkap “Simpan Model ke Bento Store” 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 “Simpan Model ke Bento Store”?
Daftarkan artefak model dengan BentoML. 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 “Simpan Model ke Bento Store” 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
- Simpan Model ke Bento Store
- Tentukan Layanan dan API-nya
- Aktifkan Micro-Batching Adaptif
- Bangun Bento dan Kontainerkan