MLOps Academy · Lekcja

Wczytywanie modelu po nazwie i etapie

Pobierz bieżący model Production z kodu

Lekcja 4 z 413 kroki

Wczytywanie modelu po nazwie i etapie to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej MLOps Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Domknięcie cyklu

Rejestracja modelu ma sens dopiero wtedy, gdy kod potrafi go ponownie załadować. W tym miejscu aplikacja serwująca w końcu łączy się z rejestrem. 🔁

Identyfikator URI models

Zarejestrowane modele pobiera się za pomocą identyfikatora URI models:/. Określa on model oraz żądaną wersję lub etap — bez potrzeby podawania ścieżek do plików.

Ładowanie według dokładnej wersji

Aby uzyskać przypięte i powtarzalne ładowanie, należy wskazać konkretną wersję. Zawsze zwróci ona ten sam artefakt, co świetnie sprawdza się w testach.

import mlflow
m = mlflow.pyfunc.load_model(
    "models:/churn-classifier/4")

Ładowanie według etapu

W środowisku produkcyjnym zwykle ładuje się model według etapu. Wybranie etapu Production oznacza, że zawsze otrzymają Państwo wersję aktualnie działającą.

m = mlflow.pyfunc.load_model(
    "models:/churn-classifier/Production")

Ładowanie według etapu jest pośrednie

Ładowanie według etapu dodaje warstwę pośrednictwa. Po awansowaniu nowej wersji do Production kod pobierze ją bez żadnych zmian ani ponownego wdrażania.

Ładowanie według aliasu

Jeśli używają Państwo aliasów, należy ładować model za pomocą składni @. Wybranie aliasu champion rozwiązuje się do wersji oznaczonej jako champion.

m = mlflow.pyfunc.load_model(
    "models:/churn-classifier@champion")

pyfunc jest uniwersalny

Flawor pyfunc ukrywa dowolny framework za jedną metodą predict. Kod serwujący pozostaje taki sam niezależnie od tego, czy pod spodem działa sklearn, czy PyTorch.

preds = m.predict(input_df)

Flawor natywny, gdy jest potrzebny

Potrzebują Państwo metod właściwych dla frameworka? Należy wtedy załadować flawor native, na przykład mlflow.sklearn, aby ponownie otrzymać oryginalny obiekt estymatora.

model = mlflow.sklearn.load_model(
    "models:/churn-classifier/Production")

Wskaż serwer

Do ładowania potrzebne jest ustawienie tracking URI, aby MLflow wiedział, z którego rejestru korzystać. Bez tego wyszukiwanie zakończy się niepowodzeniem albo trafi do niewłaściwego magazynu.

mlflow.set_tracking_uri(
    "http://localhost:5000")

Ładuj raz podczas uruchamiania

Ładowanie jest kosztowne, dlatego należy wykonać je raz podczas uruchamiania usługi, a nie przy każdym żądaniu. Ten sam obiekt należy ponownie wykorzystywać dla kolejnych predykcji.

Odśwież, aby pobrać zmiany

Długo działająca usługa zachowuje wersję załadowaną podczas uruchamiania. Aby użyć świeżo awansowanego modelu, należy przeładowywać go zgodnie z harmonogramem albo ponownie uruchomić usługę.

Szybki test

Zdecyduj, za pomocą którego URI powinna ładować model usługa działająca przez długi czas.

Odpowiedz w interaktywnej lekcji

Podsumowanie

Ładowali Państwo modele za pomocą URI models:/, korzystając z wersji, etapu lub aliasu, i nauczyli się ładować model raz podczas uruchamiania. Cykl między rejestrem a aplikacją został ukończony. 🚀

Bezpłatny start

Ucz się Python dzięki korepetycjom AI — za darmo

Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.

Kursy: 30
Lekcje: 120

Zacznij naukę bezpłatnie Wyświetl pełny kurs

Często zadawane pytania

Czy lekcja „Wczytywanie modelu po nazwie i etapie” jest bezpłatna?

Tak — pełny tekst „Wczytywanie modelu po nazwie i etapie” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu MLOps Academy, przejdź na CoddyKit PRO. Kurs MLOps Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Wczytywanie modelu po nazwie i etapie”?

Pobierz bieżący model Production z kodu Ćwiczysz MLOps Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć MLOps Academy?

Nie wymagamy żadnego doświadczenia. MLOps Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.

Ile czasu zajmuje lekcja „Wczytywanie modelu po nazwie i etapie”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji MLOps Academy?

Tak. Każda lekcja MLOps Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do MLOps Academy