Pengantar MLflow Model Registry

Pengantar MLflow

Weston Bassler

Senior MLOps Engineer

Siklus hidup model

Diagram pengembangan, staging

Pengantar MLflow

MLflow Model Registry

  • Lokasi penyimpanan terpusat

  • Manajemen siklus hidup

    • Web UI
    • Modul MLflow Client
    • Versi model
    • Tahap model

model-registry

Pengantar MLflow

MLflow Model Registry

  • Model

    • Model dicatat ke MLflow Tracking

  • Model Terdaftar

    • Mendapat versi
    • Dapat diberi tahap
Pengantar MLflow

MLflow Model Registry

  • Versi Model

    • Bertambah tiap model didaftarkan

  • Tahap Model

    • Dapat diatur ke:
      • None
      • Staging
      • Production
      • Archived

Tahap

Pengantar MLflow

Bekerja dengan Model Registry

Model

Pengantar MLflow

Modul MLflow Client

  • Experiment

  • Run

  • Versi Model

  • Model Terdaftar

Machine Learning

1 Flaticon.com
Pengantar MLflow

Menggunakan modul MLflow Client

# Import from MLflow module
from mlflow import MlflowClient


# Create an instance
client = MlflowClient()


# Print the object
client

<mlflow.tracking.client.MlflowClient object at 0x101d55f30>
Pengantar MLflow

Mendaftarkan model

# Create a Model named "Unicorn"
client.create_registered_model(name="Unicorn")

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

UI Model

buat-model

Pengantar MLflow

Mencari model terdaftar

cari-model

Pengantar MLflow

Mencari model terdaftar

# Search for registered models
client.search_registered_models(filter_string=MY_FILTER_STRING)
  • Pengenal
    • name - nama model
    • tags - tag terkait model
  • Komparator
    • = - sama dengan
    • != - tidak sama dengan
    • LIKE - pencocokan pola sensitif huruf besar/kecil
    • ILIKE - pencocokan pola tidak sensitif huruf besar/kecil
Pengantar MLflow

Contoh pencarian

# Filter string
unicorn_filter_string = "name LIKE 'Unicorn%'"


# Search models
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={}>]
Pengantar MLflow

Ayo berlatih!

Pengantar MLflow

Preparing Video For Download...