MLflow Model Registry'ye Giriş

MLflow’a Giriş

Weston Bassler

Senior MLOps Engineer

Model yaşam döngüsü

Geliştirme, aşama diyagramı

MLflow’a Giriş

MLflow Model Registry

  • Merkezi depolama alanı

  • Yaşam döngüsü yönetimi

    • Web UI
    • MLflow Client modülü
    • Model sürümleri
    • Model aşamaları

model-registry

MLflow’a Giriş

MLflow Model Registry

  • Model

    • MLflow Tracking'e kaydedilen model

  • Kayıtlı Model

    • Sürüm alır
    • Aşama atanabilir
MLflow’a Giriş

MLflow Model Registry

  • Model Sürümü

    • Her yeni kayıtla artar

  • Model Aşaması

    • Şunlardan biri atanabilir:
      • None
      • Staging
      • Production
      • Archived

Aşamalar

MLflow’a Giriş

Model Registry ile Çalışmak

Modeller

MLflow’a Giriş

MLflow Client modülü

  • Deneyler

  • Çalışmalar (runs)

  • Model Sürümleri

  • Kayıtlı Modeller

Makine Öğrenimi

1 Flaticon.com
MLflow’a Giriş

MLflow client modülünü kullanma

# MLflow modülünden içe aktarın
from mlflow import MlflowClient


# Bir örnek oluşturun
client = MlflowClient()


# Nesneyi yazdırın
client

<mlflow.tracking.client.MlflowClient object at 0x101d55f30>
MLflow’a Giriş

Bir modeli kaydetme

# "Unicorn" adlı bir Model oluşturun
client.create_registered_model(name="Unicorn")

<RegisteredModel: creation_timestamp=1679404160448, description=None, 
last_updated_timestamp=1679404160448, latest_versions=[], name='Unicorn', 
tags={}>
MLflow’a Giriş

Model arayüzü (UI)

model-oluştur

MLflow’a Giriş

Kayıtlı modelleri arama

kayıtlı-modelleri-ara

MLflow’a Giriş

Kayıtlı modelleri arama

# Kayıtlı modelleri arayın
client.search_registered_models(filter_string=MY_FILTER_STRING)
  • Tanımlayıcılar
    • name - modelin adı
    • tags - modele ait etiketler
  • Karşılaştırıcılar
    • = - eşittir
    • != - eşit değildir
    • LIKE - büyük/küçük harf duyarlı desen eşleşmesi
    • ILIKE - büyük/küçük harf duyarsız desen eşleşmesi
MLflow’a Giriş

Arama örneği

# Filtre dizesi
unicorn_filter_string = "name LIKE 'Unicorn%'"


# Modelleri arayın
client.search_registered_models(filter_string=unicorn_filter_string)

[<RegisteredModel: creation_timestamp=1679404160448, description=None, 
last_updated_timestamp=1679404160448, latest_versions=[], name='Unicorn', 
tags={}>, 
<RegisteredModel: creation_timestamp=1679404276745, description=None, 
last_updated_timestamp=1679404276745, latest_versions=[], name='Unicorn 2.0', 
tags={}>]
MLflow’a Giriş

Hadi pratik yapalım!

MLflow’a Giriş

Preparing Video For Download...