Model API

MLflow’a Giriş

Weston Bassler

Senior MLOps Engineer

MLflow REST API

api

1 istock.com
MLflow’a Giriş

Model API'si

  • Kaydet

  • Logla

  • Yükle

Scikit-Learn

1 wikipedia.org
MLflow’a Giriş

Model API işlevleri

# Modeli yerel dosya sistemine kaydet
mlflow.sklearn.save_model(model, path)

# Modeli MLflow Tracking'e artifact olarak logla
mlflow.sklearn.log_model(model, artifact_path)

# Modeli yerelden veya MLflow Tracking'den yükle
mlflow.sklearn.load_model(model_uri)
MLflow’a Giriş

Model yükleme

  • Yerel dosya sistemi - relative/path/to/local/model veya /Users/me/path/to/local/model

  • MLflow Tracking - runs:/<mlflow_run_id>/run-relative/path/to/model

  • S3 desteği - s3://my_bucket/path/to/model

MLflow’a Giriş

Model kaydetme

# Model
lr = LogisticRegression()
lr.fit(X, y)


# Modeli yerel kaydet
mlflow.sklearn.save_model(lr, "local_path")

ls local_path/

MLmodel            model.pkl        requirements.txt        python_env.yaml
MLflow’a Giriş

Yerel modeli yükleme

# Modeli yerel yoldan yükle
model = mlflow.sklearn.load_model("local_path")


# Modeli göster
model

LogisticRegression()
MLflow’a Giriş

Modeli loglama

# Model
lr = LogisticRegression(n_jobs=n_jobs)
lr.fit(X, y)


# Modeli logla
mlflow.sklearn.log_model(lr, "tracking_path")
MLflow’a Giriş

Tracking arayüzü

Takip arayüzü

MLflow’a Giriş

Son aktif çalışma

# Çalışmalar için biçim
runs:/<mlflow_run_id>/run-relative/path/to/model

# Son aktif çalışmayı al
run = mlflow.last_active_run()

run

<Run: data=<RunData: metrics={}, params={}, 
tags={'mlflow.runName': 'run_name'}>, 
 info=<RunInfo: artifact_uri='uri', end_time='end_time', 
 experiment_id='0', lifecycle_stage='active', run_id='run_id', 
 run_name='name', run_uuid='run_uuid', start_time=start_time, 
 status='FINISHED', user_id='user_id'>>
MLflow’a Giriş

Son aktif run id

# Son aktif çalışmayı al
run = mlflow.last_active_run()

# Son çalışmanın run_id değerini göster
run.info.run_id

'8c2061731caf447e805a2ac65630e70c'
MLflow’a Giriş

run id ayarlama

# Son aktif çalışmayı al
run = mlflow.last_active_run()

# run_id değişkenini ayarla
run_id = run.info.run_id

run_id

'8c2061731caf447e805a2ac65630e70c'
MLflow’a Giriş

MLflow Tracking'den model yükleme

# run_id'yi f-string ile geçir
model = mlflow.sklearn.load_model(f"runs:/{run_id}/tracking_path")

# Modeli göster
model

LogisticRegression()
MLflow’a Giriş

Vamos praticar!

MLflow’a Giriş

Preparing Video For Download...