모델 서명과 스키마 정의하기
예상되는 입력과 출력을 명시적으로 선언하세요.
모델 서명과 스키마 정의하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 MLOps Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
입력과 출력
모델의 서명은 예상하는 입력과 반환하는 출력을 정확히 선언합니다. 이는 모델의 계약입니다. 📜
서명이 중요한 이유
명확한 스키마가 있으면 호출하는 쪽에서 어떤 열과 자료형을 보내야 하는지 알 수 있습니다. 잘못된 입력은 예측 시점에 충돌하기 전에 일찍 발견됩니다.
입력과 출력
서명은 두 부분으로 구성됩니다. 각 특성을 설명하는 입력 스키마와 예측 형태를 설명하는 출력 스키마입니다.
열 스키마와 텐서 스키마
표 형식 모델은 이름과 자료형이 지정된 필드로 이루어진 열 스키마를 사용합니다. 이미지나 텍스트 모델은 형태와 자료형으로 이루어진 텐서 스키마를 사용하는 경우가 많습니다.
자동으로 추론하기
가장 쉬운 방법은 infer_signature입니다. 샘플 입력과 출력을 전달하면 MLflow가 스키마를 대신 파악합니다.
from mlflow.models import infer_signature
sig = infer_signature(X, model.predict(X))기록할 때 연결하기
추론된 서명을 log_model에 전달하면 모델의 MLmodel 파일 안에 바로 저장됩니다.
mlflow.sklearn.log_model(model, name='m', signature=sig)입력 예시 추가하기
input_example도 함께 기록하면 팀원에게 유효한 입력의 복사하여 붙여넣을 수 있는 예시를 제공하고, 도구가 올바른 요청을 만드는 데 도움이 됩니다.
mlflow.sklearn.log_model(model, name='m',
input_example=X[:1])제공 시 적용
모델을 제공할 때 MLflow는 각 요청을 스키마와 비교하고 잘못된 자료형이거나 필드가 누락된 입력을 거부합니다. 🛡️
안전한 자료형 변환
MLflow는 int를 long으로 바꾸는 것처럼 안전한 자료형 확장은 조용히 처리할 수 있지만, 손실이 발생하는 변경은 차단하여 모델이 손상된 데이터를 받지 않게 합니다.
선택적 열과 추가 열
필드를 선택 사항으로 표시할 수 있으며, 예상하지 못한 추가 열은 삭제되므로 사소한 입력 변경으로 제공이 중단되지 않습니다.
계속 갱신되는 문서
서명은 문서 역할도 합니다. MLmodel 파일을 열면 모델의 전체 입력 및 출력 계약을 즉시 확인할 수 있습니다.
빠른 확인
모델 서명과 스키마에 대한 최종 확인입니다.
복습
서명은 모델의 입력 및 출력 계약입니다. 서명을 추론하고 예시와 함께 기록한 다음, MLflow가 제공 시 이를 적용하도록 하십시오. 🎉
AI 튜터와 함께 Python을(를) 배우세요 — 무료
브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.
- 코스
- 30
- 레슨
- 120
자주 묻는 질문
“모델 서명과 스키마 정의하기” 강의는 무료인가요?
네 — “모델 서명과 스키마 정의하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 MLOps Academy 강의 전체를 잠금 해제할 수 있습니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“모델 서명과 스키마 정의하기”에서 뭘 배우나요?
예상되는 입력과 출력을 명시적으로 선언하세요. 브라우저에서 직접 실행하는 실습 코드로 MLOps Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
MLOps Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 MLOps Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.
“모델 서명과 스키마 정의하기” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 MLOps Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 MLOps Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- Pickle과 Joblib로 직렬화하기
- MLflow 모델 형식
- 이식성을 위해 ONNX로 내보내기
- 모델 서명과 스키마 정의하기