ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ
ส่งโมเดลที่ฝึกแล้วเข้า MLflow Model Registry
ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
Registry คืออะไร
รีจิสทรีโมเดลคือแคตตาล็อกกลางสำหรับโมเดลที่ฝึกแล้ว แทนที่จะมีไฟล์กระจัดกระจายอยู่ตามแล็ปท็อป โมเดลทุกตัวจะอยู่ในที่เดียวพร้อมหมายเลขเวอร์ชัน 📚
Runs กับโมเดลที่ลงทะเบียน
การรันของ MLflow บันทึกความพยายามฝึกโมเดลหนึ่งครั้ง ส่วนโมเดลที่ลงทะเบียนคือรายการที่มีชื่อ ซึ่งชี้ไปยังการรันที่ดีที่สุดที่คุณเลือกโปรโมตและเก็บไว้
บันทึกก่อนลงทะเบียน
คุณต้อง บันทึกโมเดลก่อนเสมอภายในการรัน การบันทึกจะเก็บอาร์ทิแฟกต์ไว้ เพื่อให้รีจิสทรีมีสิ่งที่ใช้อ้างอิงกลับมาได้ในภายหลัง
import mlflow
with mlflow.start_run():
mlflow.sklearn.log_model(model, "model")ลงทะเบียนด้วยคำสั่งเดียว
วิธีที่เร็วที่สุดคือใช้อาร์กิวเมนต์ registered_model_name ส่งอาร์กิวเมนต์นี้ให้ log_model แล้ว MLflow จะสร้างรายการในรีจิสทรีและเวอร์ชันแรกให้คุณ
mlflow.sklearn.log_model(
model, "model",
registered_model_name="churn-classifier")เวอร์ชันเริ่มต้นที่ 1
การลงทะเบียนครั้งแรกจะกลายเป็น เวอร์ชัน 1 การลงทะเบียนครั้งต่อ ๆ ไปภายใต้ชื่อเดิมจะเพิ่มหมายเลขเวอร์ชันโดยอัตโนมัติ จึงไม่มีการเขียนทับประวัติ
ลงทะเบียนจากการรันในอดีต
บันทึกโมเดลไว้แล้วใช่ไหม คุณสามารถ ลงทะเบียนภายหลังได้ โดยระบุ URI ของการรันด้วย mlflow.register_model
mlflow.register_model(
"runs:/<run_id>/model",
"churn-classifier")URI ของการรัน
URI runs:/ ใช้ให้ MLflow ค้นหาอาร์ทิแฟกต์ โดยรวมรหัสการรันกับเส้นทางอาร์ทิแฟกต์ที่คุณใช้ขณะบันทึกโมเดล
URI สำหรับติดตาม
กำหนด URI สำหรับติดตาม เพื่อให้โค้ดของคุณสื่อสารกับเซิร์ฟเวอร์ที่ถูกต้อง หากไม่กำหนด MLflow จะลงทะเบียนทุกอย่างไว้ในโฟลเดอร์ mlruns ภายในเครื่องแทน
mlflow.set_tracking_uri(
"http://localhost:5000")ดูในส่วนติดต่อผู้ใช้
เปิดส่วนติดต่อผู้ใช้ของ MLflow แล้วคลิกแท็บ Models ชื่อโมเดลใหม่ของคุณจะปรากฏพร้อมเวอร์ชัน 1 อยู่ด้านล่าง และพร้อมให้ตรวจสอบ
ชื่อคือเครื่องระบุ
เลือก ชื่อที่ชัดเจนและคงที่ เช่น fraud-detector เพื่อนร่วมทีมและโค้ดจะโหลดโมเดลด้วยชื่อนี้ ดังนั้นการเปลี่ยนชื่อภายหลังจะทำให้ทุกสิ่งที่อ้างอิงชื่อนี้ใช้งานไม่ได้
ยืนยันด้วยไคลเอนต์
MlflowClient ช่วยให้คุณตรวจสอบการลงทะเบียนด้วยโค้ดได้ ดึงโมเดลตามชื่อ แล้วอ่านเวอร์ชันที่มีอยู่กลับมา
from mlflow import MlflowClient
c = MlflowClient()
print(c.get_registered_model("churn-classifier"))ตรวจสอบอย่างรวดเร็ว
มาดูกันว่าการลงทะเบียนครั้งแรกจะมีหมายเลขอย่างไร
สรุป
คุณบันทึกโมเดล ตั้ง ชื่อในรีจิสทรี และได้เวอร์ชัน 1 ตอนนี้โมเดลที่ดีที่สุดของคุณมีที่เก็บที่ทุกคนในทีมค้นหาได้แล้ว 🎉
คำถามที่พบบ่อย
บทเรียน “ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ”
ส่งโมเดลที่ฝึกแล้วเข้า MLflow Model Registry คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม
ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ลงทะเบียนโมเดลเวอร์ชันแรกของคุณ
- ระยะ: Staging, Production, Archived
- เพิ่มแท็กและคำอธิบายให้โมเดล
- โหลดโมเดลกลับมาตามชื่อและระยะ