Развёртывание модели

Введение в MLflow

Weston Bassler

Senior MLOps Engineer

Жизненный цикл ML

Этапы жизненного цикла ML

1 datacamp.com
Введение в MLflow

Версии и стадии модели

  • Версии модели

    • Версия +1

  • Стадии модели

    • Staging
    • Production
    • Archived

Версии и стадии модели

Введение в MLflow

Способы развёртывания моделей

Загрузка модели

# MLflow flavor
mlflow.FLAVOR.load_model()

Запуск модели

# MLflow serve command-line
mlflow models serve
Введение в MLflow

URI моделей

Соглашение

models:/

Версия модели

models:/model_name/version

Стадия модели

models:/model_name/stage
Введение в MLflow

Загрузка моделей

# Import flavor
import mlflow.FLAVOR


# Load version
mlflow.FLAVOR.load_model("models:/model_name/version")


# Load stage
mlflow.FLAVOR.load_model("models:/model_name/stage")
Введение в MLflow

Пример загрузки модели

# Import flavor
import mlflow.sklearn


# Load Unicorn model in Staging
model = mlflow.sklearn.load_model("models:/Unicorn/Staging")

# Print model
model

LogisticRegression()

# Inference
model.predict(data)
Введение в MLflow

Обслуживание моделей

# Serve Unicorn model in Production stage
mlflow models serve -m "models:/Unicorn/Production"

2023/03/26 15:07:00 INFO mlflow.models.flavor_backend_registry: 
Selected backend for flavor 'python_function'
2023/03/26 15:07:00 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'
[2023-03-26 15:07:00 -0400] [86409] [INFO] Starting gunicorn 20.1.0
[2023-03-26 15:07:00 -0400] [86409] [INFO] Listening at: http://127.0.0.1:5000
[2023-03-26 15:07:00 -0400] [86409] [INFO] Using worker: sync
[2023-03-26 15:07:00 -0400] [86410] [INFO] Booting worker with pid: 86410
Введение в MLflow

Эндпоинт invocations

api

http://localhost:5000/invocations

  • Форматы
    • CSV
    • JSON
1 Flaticon.com
Введение в MLflow

Формат CSV

pandas_df.to_csv()

Формат JSON

{
  "dataframe_split": {
      "columns": ["R&D Spend", "Administration", "Marketing Spend", "State"],
      "data": [["165349.20", 136897.80, 471784.10, 1]]
  }
}
Введение в MLflow

Предсказание модели

# Send payload to invocations endpoint
curl http://127.0.0.1:5000/invocations -H 'Content-Type: application/json' -d
{
  "dataframe_split": {
      "columns": ["R&D Spend", "Administration", "Marketing Spend", "State"],
      "data": [["165349.20", 136897.80, 471784.10, 1]]
  }
}

[[104055.1842384]]
Введение в MLflow

Давайте потренируемся!

Введение в MLflow

Preparing Video For Download...