モデル提供

MLflow 入門

Weston Bassler

Senior MLOps Engineer

MLflow Models

モデルパッケージングの標準化
モデルのロギング
モデル評価

モデルデプロイ

ML ライフサイクル

¹ datacamp.com

REST API

/ping - ヘルスチェック用
/health - ヘルスチェック用
/version - MLflow のバージョン取得
/invocations - モデル推論
ポート 5000

Invocations エンドポイント

/invocations

No,Name,Subject
1,Bill Johnson,English
2,Gary Valentine,Mathematics

Content-Type:application/json または application/csv

{
    "1": {
        "No": "1",
        "Name": "Bill Johnson",
        "Subject": "English"
    },
    "2": {
        "No": "2",
        "Name": "Gary Valentine",
        "Subject": "Mathematics"
    }
}

CSV 形式

Pandas DataFrame
pandas_df.to_csv()

JSON 形式

dataframe_split - split 方式の pandas DataFrame
dataframe_records - records 方式の pandas DataFrame

DataFrame（split）

# DataFrame の split 方式
{
  "dataframe_split": {
      "columns": ["sex", "age", "weight"],
      "data": [["male", 23, 160], ["female", 33, 120]]
  }
}

モデルの提供

# MLflow の serve コマンド
mlflow models serve --help
Usage: mlflow models serve [OPTIONS]

Serve URI

# ローカルファイルシステム
mlflow models serve -m relative/path/to/local/model

# Run ID
mlflow models serve -m runs:/<mlflow_run_id>/artifacts/model

# AWS S3
mlflow models serve -m s3://my_bucket/path/to/model

提供例

# 実行からモデルを提供
mlflow models serve -m runs:/e84a122920de4bdeaedb54146deeb429/artifacts/model

2023/03/12 16:28:28 INFO mlflow.models.flavor_backend_registry: 
Selected backend for flavor 'python_function'
2023/03/12 16:28:28 INFO mlflow.pyfunc.backend: === Running command 
'exec gunicorn --timeout=60 -b 127.0.0.1:5000 -w 1 ${GUNICORN_CMD_ARGS} -- 
mlflow.pyfunc.scoring_server.wsgi:app'
[2023-03-12 16:28:29 -0400] [48431] [INFO] Starting gunicorn 20.1.0
[2023-03-12 16:28:29 -0400] [48431] [INFO] Listening at: http://127.0.0.1:5000 
(48431)
[2023-03-12 16:28:29 -0400] [48431] [INFO] Using worker: sync
[2023-03-12 16:28:29 -0400] [48432] [INFO] Booting worker with pid: 48432

Invocations リクエスト

# dataframe_split 方式のペイロードを MLflow に送信
curl http://127.0.0.1:5000/invocations -H 'Content-Type: application/json' -d '{
  "dataframe_split": {
      "columns": ["sex", "age", "weight"],
      "data": [["male", 23, 160], ["female", 33, 120]]
  }
}'

{"predictions": [1, 0]}

練習してみましょう！

MLflow 入門