कस्टम मॉडल्स

MLflow परिचय

Weston Bassler

Senior MLOps Engineer

उदाहरण उपयोग के मामले

  • NLP - Tokenizer(s)

  • Classification - Label encoder

  • प्री/पोस्ट प्रोसेसिंग

  • बिल्ट-इन फ्लेवर नहीं

Different

1 unsplash.com
MLflow परिचय

कस्टम Python मॉडल्स

  • बिल्ट-इन फ्लेवर - python_function

  • mlflow.pyfunc

    • save_model()
    • log_model()
    • load_model()
MLflow परिचय

कस्टम मॉडल क्लास

  • कस्टम मॉडल क्लास

    • MyClass(mlflow.pyfunc.PythonModel)

  • PythonModel क्लास

    • load_context() - जब mlflow.pyfunc.load_model() कॉल होता है तो आर्टिफैक्ट्स लोड करता है
    • predict() - मॉडल इनपुट लेता है और यूज़र-डिफाइंड इवैल्युएशन करता है
MLflow परिचय

Python क्लास

# Class
class MyPythonClass:

    # Function जो Hello! प्रिंट करता है
    def my_func():
        print("Hello!")


# नया Object बनाएँ
x = MyPythonClass()

# my_func फंक्शन चलाएँ
x.my_func()

"Hello!"
MLflow परिचय

कस्टम क्लास का उदाहरण

import mlflow.pyfunc

# मॉडल क्लास परिभाषित करें
class CustomPredict(mlflow.pyfunc.PythonModel):

    # आर्टिफैक्ट्स लोड करें
    def load_context(self, context):
        self.model = mlflow.sklearn.load_model(context.artifacts["custom_model"])

    # custom_function() से इनपुट का मूल्यांकन करें
    def predict(self, context, model_input):
        prediction = self.model.predict(model_input)
        return custom_function(prediction)
MLflow परिचय

कस्टम मॉडल सेव और लॉग करना

# मॉडल को लोकल फ़ाइलसिस्टम में सेव करें
mlflow.pyfunc.save_model(path="custom_model", python_model=CustomPredict())

# मॉडल को MLflow Tracking पर लॉग करें
mlflow.pyfunc.log_model(artifact_path="custom_model", python_model=CustomPredict())
MLflow परिचय

कस्टम मॉडल्स लोड करना

# लोकल फ़ाइलसिस्टम से मॉडल लोड करें
mlflow.pyfunc.load_model("local")

# MLflow Tracking से मॉडल लोड करें
mlflow.pyfunc.load_model("runs:/run_id/tracking_path")
MLflow परिचय

मॉडल इवैल्युएशन

  • mlflow.evaluate() - किसी डेटासेट पर परफॉर्मेंस

  • रिग्रेशन और क्लासिफिकेशन मॉडल्स

MLflow परिचय

इवैल्युएशन उदाहरण

# Training Data
X_train, X_test, y_train, y_test = \
    train_test_split(X, y,
    train_size=0.7,random_state=0)


# Linear Regression मॉडल
lr = LinearRegression()
lr.fit(X_train, y_train)

# Dataset
eval_data = X_test
eval_data["test_label"] = y_test


# डेटासेट के साथ मॉडल इवैल्युएट करें 
mlflow.evaluate(
    "runs:/run_id/model",
    eval_data,
    targets="test_label",
    model_type="regressor"
)
MLflow परिचय

ट्रैकिंग UI

eval

shap

1 shap.readthedocs.io
MLflow परिचय

अभ्यास करते हैं!

MLflow परिचय

Preparing Video For Download...