MLflow Modellerine Giriş

MLflow’a Giriş

Weston Bassler

Senior MLOps Engineer

MLflow Modelleri

ML kütüphaneleriyle entegrasyonu basitleştirir
Dağıtımı basitleştirir
"Lezzetler" adı verilen bir gelenek

lezzetler

¹ unsplash.com

Yerleşik Lezzetler

LEZZET GÖRSELLERİ

ML kütüphanelerinden özel araçlar yazın
Lezzetler, özel kod için kullanımı basitleştirir

# mlflow modülünden lezzeti içe aktar
import mlflow.FLAVOR

¹ mlflow.org

Otomatik günlükleme

# Model ve metrikleri otomatik kaydet
mlflow.FLAVOR.autolog()

# Scikit-learn yerleşik lezzeti
mlflow.sklearn.autolog()

Scikit-learn Lezzeti

# scikit-learn'i içe aktarın
import mlflow
from sklearn.linear_model import \
    LinearRegression


# Otomatik günlükleme kullanma
mlflow.sklearn.autolog()

# Modeli eğit
lr = LinearRegression()
lr.fit(X, y)

Model model.fit() sırasında otomatik olarak günlüğe alınır

Yaygın Metrikler

Regresyon
- mean squared error
- root mean squared error
- mean absolute error
- r2 score

Sınıflandırma
- precision score
- recall score
- f1 score
- accuracy score

Yaygın Parametreler

MODEL.get_params()

Yaygın parametreler

# Modeli eğit
lr = LinearRegression()
lr.fit(X, y)

# Parametreleri al
params = lr.get_params(deep=True)

params

{'copy_X': True, 'fit_intercept': True, 'n_jobs': None, 
    'normalize': 'deprecated', 'positive': False}

Parametreleri otomatik günlükle

parametreler

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

Metrikleri otomatik günlükle

metrikler

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

Depolama formatı

Bir model için dizin yapısı:

model/
    MLmodel
    model.pkl
    python_env.yaml
    requirements.txt

# Otomatik günlükleme
mlflow.sklearn.autolog()

Eserler

MLmodel içeriği

artifact_path: model
flavors:
  python_function:
    env:
      virtualenv: python_env.yaml
    loader_module: mlflow.sklearn
    model_path: model.pkl
    predict_fn: predict
    python_version: 3.10.8
  sklearn:
    code: null
    pickled_model: model.pkl
    serialization_format: cloudpickle
    sklearn_version: 1.1.3

MLmodel

Haydi pratik yapalım!

MLflow’a Giriş