Carregue um modelo pelo nome e pelo estágio
Busque o modelo atual de Production diretamente no seu código.
Carregue um modelo pelo nome e pelo estágio é uma aula grátis de MLOps Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de MLOps Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de MLOps Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Closing the Loop
Registering a model only pays off when code can load it back. This is where your serving app finally meets the registry. 🔁
The models URI
You fetch registered models through a models:/ URI. It names the model and which version or stage you want, no file paths required.
Load by Exact Version
For a pinned, reproducible load, ask for a specific version. This always returns the same artifact, which is great for tests.
import mlflow
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/4")Load by Stage
In production you usually load by stage instead. Asking for Production means you always get whatever version is live right now.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/Production")Stage Loading Is Indirect
Loading by stage adds a layer of indirection. Promote a new version to Production and your code picks it up with no edits or redeploy.
Load by Alias
If you use aliases, load with the @ syntax. Asking for the champion alias resolves to whichever version you tagged as champion.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier@champion")pyfunc Is Universal
The pyfunc flavor wraps any framework behind one predict method. Your serving code stays identical whether it is sklearn or PyTorch underneath.
preds = m.predict(input_df)Native Flavor When Needed
Need framework-specific methods? Load the native flavor instead, like mlflow.sklearn, to get the original estimator object back.
model = mlflow.sklearn.load_model(
"models:/churn-classifier/Production")Point at the Server
Loading needs the tracking URI set so MLflow knows which registry to query. Without it, the lookup fails or hits the wrong store.
mlflow.set_tracking_uri(
"http://localhost:5000")Load Once at Startup
Loading is expensive, so do it once when your service boots, not on every request. Reuse the same object across predictions.
Refresh to Pick Up Changes
A long-running service keeps the version it loaded at startup. To adopt a freshly promoted model, reload on a schedule or restart the service.
Quick Check
Decide which URI a long-lived service should load.
Recap
You loaded models with a models:/ URI by version, stage, or alias, and learned to load once at startup. The registry round-trip is complete. 🚀
Perguntas Frequentes
A aula “Carregue um modelo pelo nome e pelo estágio” é grátis?
Sim — o texto completo de “Carregue um modelo pelo nome e pelo estágio” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de MLOps Academy, atualize para CoddyKit PRO. O curso de MLOps Academy inclui 4 aulas no total.
O que vou aprender em “Carregue um modelo pelo nome e pelo estágio”?
Busque o modelo atual de Production diretamente no seu código. Você pratica MLOps Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar MLOps Academy?
Nenhuma experiência prévia é necessária. MLOps Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Carregue um modelo pelo nome e pelo estágio”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de MLOps Academy?
Sim. Cada aula de MLOps Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Registre sua primeira versão do modelo
- Estágios: Staging, Production, Archived
- Adicione etiquetas e descrições aos modelos
- Carregue um modelo pelo nome e pelo estágio