Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin
Geçerli Production modelini kodunuzdan alın.
Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin, CoddyKit'te ücretsiz bir MLOps Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, MLOps Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. MLOps Academy kursu toplamda 4 dersten oluşur.
Döngüyü Tamamlama
Bir modeli kaydetmek, ancak kod onu yeniden yükleyebildiğinde işe yarar. Sunum uygulamanızın kayıt defteriyle buluştuğu nokta burasıdır. 🔁
Model URI'si
Kayıtlı modelleri bir models:/ URI'si üzerinden alırsınız. Bu URI, modelin adını ve istediğiniz sürüm veya aşamayı belirtir; dosya yollarına gerek yoktur.
Tam Sürümle Yükleme
Sabitlenmiş ve tekrarlanabilir bir yükleme için belirli bir sürüm isteyin. Bu işlem her zaman aynı yapıttı döndürür; bu da testler için idealdir.
import mlflow
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/4")Aşamaya Göre Yükleme
Üretimde genellikle bunun yerine aşamaya göre yükleme yaparsınız. Production istediğinizde, o anda yayında olan sürümü her zaman alırsınız.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier/Production")Aşama Yüklemesi Dolaylıdır
Aşamaya göre yükleme bir dolaylılık katmanı ekler. Yeni bir sürümü Production aşamasına yükselttiğinizde kodunuz, düzenleme veya yeniden dağıtım gerektirmeden bu sürümü kullanır.
Takma Adla Yükleme
Takma ad kullanıyorsanız @ söz dizimiyle yükleyin. champion takma adını istediğinizde, bu adla etiketlediğiniz sürüm bulunur.
m = mlflow.pyfunc.load_model(
"models:/churn-classifier@champion")pyfunc Evrenseldir
pyfunc biçimi, tüm çerçeveleri tek bir predict yöntemi arkasında birleştirir. Alt tarafta sklearn veya PyTorch kullanılsa da model sunma kodunuz aynı kalır.
preds = m.predict(input_df)Gerektiğinde Yerel Biçimi Kullanın
Çerçeveye özgü yöntemlere mi ihtiyacınız var? Özgün tahmin edici nesnesini geri almak için mlflow.sklearn gibi yerel biçimi yükleyin.
model = mlflow.sklearn.load_model(
"models:/churn-classifier/Production")Sunucuyu Gösterin
Yüklemenin çalışması için izleme URI'sinin ayarlanması gerekir; böylece MLflow hangi kayıt defterine sorgu göndereceğini bilir. Bu ayar olmadan arama başarısız olur veya yanlış depoya yönelir.
mlflow.set_tracking_uri(
"http://localhost:5000")Başlangıçta Bir Kez Yükleyin
Yükleme maliyetlidir; bu nedenle her istekte değil, hizmetiniz başlatılırken bir kez yapın. Tahminler arasında aynı nesneyi yeniden kullanın.
Değişiklikleri Almak İçin Yenileyin
Uzun süre çalışan bir hizmet, başlangıçta yüklediği sürümü kullanmaya devam eder. Yeni yükseltilen bir modeli kullanmak için belirli aralıklarla yeniden yükleyin veya hizmeti yeniden başlatın.
Hızlı Kontrol
Uzun süre çalışan bir hizmetin hangi URI'yi yüklemesi gerektiğine karar verin.
Özet
Modelleri bir models:/ URI'siyle sürüme, aşamaya veya takma ada göre yüklediniz ve başlangıçta bir kez yüklemeyi öğrendiniz. Kayıt defteriyle gidiş dönüş tamamlandı. 🚀
Sıkça Sorulan Sorular
“Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin” dersi ücretsiz mi?
Evet — “Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve MLOps Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. MLOps Academy kursu toplamda 4 dersten oluşur.
“Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin” dersinde ne öğreneceğim?
Geçerli Production modelini kodunuzdan alın. MLOps Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
MLOps Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te MLOps Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu MLOps Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her MLOps Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- İlk Model Sürümünüzü Kaydedin
- Aşamalar: Hazırlama, Üretim, Arşivleme
- Modellere Etiket ve Açıklama Ekleyin
- Bir Modeli Adına ve Aşamasına Göre Yeniden Yükleyin