Definire signature e schema del modello
Dichiari esplicitamente gli input e gli output previsti.
Definire signature e schema del modello è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Cosa entra, cosa esce
La signature di un modello dichiara esattamente quali input si aspetta e quali output restituisce. È il contratto del modello. 📜
Perché le signature sono importanti
Con uno schema chiaro, chi effettua le chiamate sa quali colonne e tipi inviare. Gli input errati vengono rilevati subito, invece di causare un errore al momento della predizione.
Input e output
Una signature ha due parti: lo schema di input, che descrive ogni feature, e lo schema di output, che descrive la forma della predizione.
Schema di colonne e schema di tensori
I modelli tabellari usano uno schema a colonne con campi denominati e tipizzati. I modelli di immagini o testo usano spesso uno schema a tensori con forme e dtype.
Inferirla automaticamente
Il percorso più semplice è infer_signature: gli fornisca input e output di esempio e MLflow determinerà automaticamente lo schema.
from mlflow.models import infer_signature
sig = infer_signature(X, model.predict(X))Associarla durante la registrazione
Passi la signature inferita a log_model, così verrà salvata direttamente nel file MLmodel del modello.
mlflow.sklearn.log_model(model, name='m', signature=sig)Aggiungere un esempio di input
Registrare anche un input_example fornisce ai colleghi un esempio di input valido da copiare e incollare e aiuta gli strumenti a creare richieste corrette.
mlflow.sklearn.log_model(model, name='m',
input_example=X[:1])Applicazione delle regole durante il serving
Quando esegue il serving del modello, MLflow verifica ogni richiesta rispetto allo schema e rifiuta gli input con il tipo errato o con campi mancanti. 🛡️
Conversione sicura dei tipi
MLflow può convertire silenziosamente i tipi in tipi più ampi e sicuri, ad esempio da int a long, ma blocca le conversioni con perdita di dati, così il modello non riceve mai dati corrotti.
Colonne facoltative e aggiuntive
Può contrassegnare i campi come facoltativi; le colonne aggiuntive e impreviste vengono eliminate, così piccole variazioni degli input non interrompono il serving.
Un documento sempre aggiornato
La signature funge anche da documentazione: apra il file MLmodel e vedrà immediatamente il contratto completo degli input e degli output del modello.
Verifica rapida
Verifica finale sulle signature e sugli schemi dei modelli.
Riepilogo
Una signature è il contratto degli input e degli output del modello: la inferisca, la registri con un esempio e lasci che MLflow la applichi durante il serving. 🎉
Domande Frequenti
La lezione «Definire signature e schema del modello» è gratuita?
Sì — il testo completo di «Definire signature e schema del modello» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Definire signature e schema del modello»?
Dichiari esplicitamente gli input e gli output previsti. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Definire signature e schema del modello»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione MLOps Academy?
Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Serializzare con Pickle e Joblib
- Il model flavor di MLflow
- Esportare in ONNX per la portabilità
- Definire signature e schema del modello