Определение сигнатуры и схемы модели
Явно объявляйте ожидаемые входные и выходные данные
«Определение сигнатуры и схемы модели» — бесплатный урок MLOps Academy на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MLOps Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MLOps Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
What Goes In, What Comes Out
A model's signature declares exactly what inputs it expects and what outputs it returns. It is the model's contract. 📜
Why Signatures Matter
With a clear schema, callers know which columns and types to send. Bad input gets caught early instead of crashing at predict time.
Inputs and Outputs
A signature has two parts: the input schema describing each feature, and the output schema describing the prediction shape.
Column vs Tensor Schemas
Tabular models use a column schema of named, typed fields. Image or text models often use a tensor schema of shapes and dtypes.
Infer It Automatically
The easiest path is infer_signature: hand it sample inputs and outputs and MLflow figures out the schema for you.
from mlflow.models import infer_signature
sig = infer_signature(X, model.predict(X))Attach It When Logging
Pass the inferred signature into log_model so it gets saved right inside the model's MLmodel file.
mlflow.sklearn.log_model(model, name='m', signature=sig)Add an Input Example
Logging an input_example too gives teammates a copy-paste sample of valid input and helps tools build correct requests.
mlflow.sklearn.log_model(model, name='m',
input_example=X[:1])Enforcement at Serving
When you serve the model, MLflow checks each request against the schema and rejects inputs with the wrong type or missing fields. 🛡️
Safe Type Coercion
MLflow can quietly upcast safe types, like int to long, but it blocks lossy changes so your model never sees corrupted data.
Optional and Extra Columns
You can mark fields optional, and extra unexpected columns are dropped, so minor input changes do not break serving.
A Living Document
The signature doubles as docs: open the MLmodel file and you instantly see the model's full input and output contract.
Quick Check
Final check on model signatures and schemas.
Recap
A signature is your model's input and output contract: infer it, log it with an example, and let MLflow enforce it at serving. 🎉
Часто задаваемые вопросы
Урок «Определение сигнатуры и схемы модели» бесплатный?
Да — полный текст урока «Определение сигнатуры и схемы модели» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MLOps Academy, подпишись на CoddyKit PRO. Курс MLOps Academy содержит 4 уроков всего.
Чему я научусь в уроке «Определение сигнатуры и схемы модели»?
Явно объявляйте ожидаемые входные и выходные данные Ты практикуешь MLOps Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать MLOps Academy?
Предыдущий опыт не требуется. MLOps Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.
Сколько времени занимает урок «Определение сигнатуры и схемы модели»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке MLOps Academy?
Да. Каждый урок MLOps Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Сериализация с помощью Pickle и Joblib
- Формат модели MLflow
- Экспорт в ONNX для переносимости
- Определение сигнатуры и схемы модели