mlflow的model registry怎么用

這篇文章主要介紹了mlflow的model registry怎么用的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇mlflow的model registry怎么用文章都會有所收獲，下面我們一起來看看吧。

是什么

本文基于mlflow 1.11.0版本
正如官網說的:

The MLflow Model Registry component is a centralized model store, set of APIs, and UI, to collaboratively manage the full lifecycle of an MLflow Model. It provides model lineage (which MLflow experiment and run produced the model), model versioning, stage transitions (for example from staging to production), and annotations

model registry 是一個集中的模型存儲,apis,UI,用來全周期的管理model，他能提供一種模型血緣，模型版本，以及模型的階段切換。

如果沒用到model registry,我們啟動服務的時候，得按照如下方式：

 export MLFLOW_TRACKING_URI=http://localhost:5002        
  mlflow models serve -m runs:/e69aed0b22fb45debd115dfc09dbc75a/model -p 1234 --no-conda

這里我們得提供RUN_ID,也就是e69aed0b22fb45debd115dfc09dbc75a
而如果我們采用model registry的話，啟動服務的時候，我們可以按照如下方式：

export MLFLOW_TRACKING_URI=http://localhost:5002

mlflow models serve -m "models:/sk-learn-random-forest-reg-model/Production"

其中sk-learn-random-forest-reg-model是model的名字，Production 是stage階段，詳細的我們會接下里介紹
那具體有什么作用呢： model registry讓我們在啟動服務的時候，不需要指定RUN_ID，這樣的話，我們在每次啟動服務的時候，不需要再去查找RUN_ID,這樣的話我們在每次重啟的時候就不需要再進行文件的修改，對于算法人員來說，方便很多，而且model registry從邏輯上進行了stage的劃分，且可以stage的切換，這樣我們管理model的時候，就能很直觀的知道當前算法服務是基于那個模型來的

怎么操作

我們現在來演示怎么進行model registry的操作，假設我們已經按照mlflow系列1進行了多次python wine.py 操作，這樣我們在界面上就能看到一個實驗的多個版本，如下：

點擊Registry model如下:

這樣我們就可以注冊模型，模型的名字（假設我們這里為wine）可以自己選擇輸入

點擊wine，

點擊Version3，

這樣我們就可以進行stage的切換，默認stage是None, Staging 表示正在籌備階段，Production表示已經在線上環境階段，Archived 表示存檔階段，也就是處于拋棄狀態
我們也可以進行 model 刪除操作： 當然也可以具體的刪除某個版本的model，只要點擊版本，之后刪除位置和上面的位置一樣

這樣我們按照如下方式啟動和訪問服務即可,不需要關心具體的RUN_ID,只需要在界面上把stage切換成Production就行

# 啟動服務
mlflow models serve -m "models:/wine/Production" -p 12346 -h 0.0.0.0 --no-conda
# 訪問服務
curl -X POST -H "Content-Type:application/json; format=pandas-split" --data '{"columns":["alcohol", "chlorides", "citric acid", "density", "fixed acidity", "free sulfur dioxide", "pH", "residual sugar", "sulphates", "total sulfur dioxide", "volatile acidity"],"data":[[12.8, 0.029, 0.48, 0.98, 6.2, 29, 3.33, 1.2, 0.39, 75, 0.66]]}' http://localhost:12346/invocations

關于“mlflow的model registry怎么用”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“mlflow的model registry怎么用”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。