MLOps Academy · 课时

MLflow 模型风格

Q: 「MLflow 模型风格」这节课中我会学到什么？

将模型及其依赖项和签名一起打包 你通过在浏览器中直接运行的动手代码来练习 MLOps Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

将模型及其依赖项和签名一起打包

第 2 / 4 课13 个步骤

MLflow 模型风格 是 CoddyKit 上的免费 MLOps Academy 课时。这是第 2 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 MLOps Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 MLOps Academy 课程共包含 4 节课。

不止是原始文件

一个简单的 pickle 只是一些字节。MLflow 会将模型封装到一个能够自我说明的文件夹中，让任何人都无需猜测加载方式即可加载它。📦

什么是风格

MLflow 的风格是一种已知格式，例如 sklearn 或 pytorch，它会准确告诉 MLflow 如何保存和加载模型。

一个模型，多种风格

同一个已保存的模型可以包含多种风格。这样，不同工具就能从同一个构件中按照各自的方式加载它。

使用风格保存

请使用匹配的模块记录模型。对于 scikit-learn，请在一次运行中调用 mlflow.sklearn.log_model。

import mlflow.sklearn
mlflow.sklearn.log_model(model, name='model')

MLmodel 文件

每个已保存的模型都有一个 MLmodel YAML 文件，其中列出它的风格、签名以及重新加载方式。它就是模型的身份证。

依赖项也会随模型保存

MLflow 会在 conda.yaml 或 requirements 文件中记录模型所需的库，以便之后重建相同的环境。

pyfunc 风格

大多数模型还会获得通用的 pyfunc 风格。无论底层使用什么框架，它都提供一个简单的 predict 调用。🔑

以 pyfunc 加载

通过 pyfunc 加载后，您会得到一个带有 predict 的通用对象，因此服务代码可以在不同框架之间保持不变。

import mlflow.pyfunc
m = mlflow.pyfunc.load_model('runs:/<id>/model')
m.predict(X)

以原生方式重新加载

您也可以使用匹配的加载器，以原始框架重新加载模型，获取完整的原生对象，而不是通用的封装器。

model = mlflow.sklearn.load_model('runs:/<id>/model')

自定义 pyfunc 模型

没有合适的内置风格吗？请继承 PythonModel，并编写自己的 predict，将任意逻辑封装为 pyfunc 格式。

class MyModel(mlflow.pyfunc.PythonModel):
    def predict(self, ctx, X):
        return self.run(X)

为什么这很重要

风格让模型真正具备可移植性：训练、注册表和服务都使用相同的格式进行交流，无需定制的粘合代码。

快速检查

现在检查一下您对 MLflow 风格的理解。

在交互式课程中回答

回顾

MLflow 模型是一个能够自我说明的文件夹，其中包含风格、MLmodel 文件和固定的依赖项，并且既可以原生加载，也可以作为通用 pyfunc 加载。🎉

免费开始

用 AI 导师学习 Python — 免费

在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。

课程: 30
课程: 120

免费开始学习查看完整课程

常见问题解答

「MLflow 模型风格」课时是免费的吗？

是的 — 「MLflow 模型风格」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 MLOps Academy 课程的其余内容，请升级到 CoddyKit PRO。 MLOps Academy 课程共包含 4 节课。

「MLflow 模型风格」这节课中我会学到什么？

将模型及其依赖项和签名一起打包你通过在浏览器中直接运行的动手代码来练习 MLOps Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 MLOps Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 MLOps Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 2 节课，共 4 节。

「MLflow 模型风格」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 MLOps Academy 课中编写并运行代码吗？

能。每节 MLOps Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 MLOps Academy