管理模型生命周期使用的工作区模型注册表

使用UI创建或注册一个模型

有两种方法来注册一个模型在工作区中注册表。你可以注册一个现有的模型,已经记录到MLflow,或者您可以创建和注册一个新的空模型,然后分配一个以前记录模型。

注册一个模型使用API

有三种编程方法来注册一个模型在工作区中注册表。所有方法将模式复制到一个安全的位置由工作区管理模型注册表。

• 记录模型和注册到指定的名称在MLflow实验中,使用mlflow。< model-flavor > .log_model (…)方法。如果注册模型的名称不存在,这个方法注册一个新的模型,创建版本1,并返回一个ModelVersionMLflow对象。如果注册模型的名称已经存在,该方法创建一个新的模型版本并返回对象的版本。

  与mlflow。start_run(run_name= <运行- - - - - -的名字>)作为运行:…mlflow。<模型- - - - - -味道>。log_model(<模型- - - - - -味道> = <模型>,artifact_path=“< model-path >”,registered_model_name=“<模型名称>”)

• 注册一个模型与指定名称所有实验运行完成后,你决定哪种模式最适合添加到注册表,使用mlflow.register_model ()方法。对于这个方法,需要运行IDmlruns: URI论点。如果注册模型的名称不存在,这个方法注册一个新的模型,创建版本1,并返回一个ModelVersionMLflow对象。如果注册模型的名称已经存在,该方法创建一个新的模型版本并返回对象的版本。

  结果=mlflow。register_model(“运行:< model-path >”,“<模型名称>”)

• 创建一个新的注册模型指定的名称,使用MLflow客户机APIcreate_registered_model ()方法。如果模型名称存在,该方法抛出一个MLflowException。

  客户端=MlflowClient()结果=客户端。create_registered_model(“<模型名称>”)

你也可以注册一个模型砖起程拓殖的提供者和databricks_mlflow_model。

注册页面模型

页面显示当你点击注册模型模型在侧边栏。此页面显示所有的模型在注册表中。

你可以创建一个新的模型从这个页面。

管理员可以从这个页面,还工作空间设置权限为所有模型在工作区中模型注册表。

注册页面模型

为模型,模型显示注册页面点击注册模型的模型名称页面。注册模式页面显示所选模型和信息表的信息模型的每个版本。从这个页面中,您还可以:

• 设置模型服务。

• 自动生成一个笔记本使用推理的模型。

• 配置邮件通知。

• 比较模型版本。

• 设置权限的模型。

• 删除一个模型。

  

模型版本页面

视图模型版本的页面,做以下之一:

• 单击一个版本的名字最新版本列在页面注册模型。

• 单击一个版本的名字版本列在页面注册模型。

这个页面显示一个特定版本的注册信息模型,还提供了一个链接到源运行(运行的版本的笔记本创建模型)。从这个页面中,您还可以:

• 自动生成一个笔记本使用推理的模型。

• 删除一个模型。

过渡阶段使用UI模型

按照下列指示来转换模型的阶段。

1. 显示的列表可用模型阶段,你的可用选项,在一个模型版本页面,单击旁边的下拉列表阶段:和请求或选择一个过渡到另一个阶段。

   

2. 输入一个可选的评论,然后单击好吧。

批准、拒绝或取消请求模型版本阶段过渡

用户没有权限可以请求阶段过渡阶段过渡。请求出现在挂起的请求部分的模型版本页面:

批准、拒绝或取消一个阶段转换请求,点击批准,拒绝,或取消链接。

过渡的创建者请求也可以取消请求。

过渡使用API模型阶段

用户提供适当的权限模型版本过渡到一个新的阶段。

更新模型版本阶段提升到一个新的阶段,使用MLflow客户机APItransition_model_version_stage ()方法:

客户端=MlflowClient()客户端。transition_model_version_stage(的名字=“<模型名称>”,版本= <模型- - - - - -版本>,阶段=“< >阶段”,描述=“<描述>”)

可接受的值<阶段>是:“暂存”|“暂存”,“存档”|“归档”,“生产”|“生产”,“没有”|“没有”。

配置批推理

当你遵循这些步骤,以创建一批推理笔记本,笔记本是保存在您的用户文件夹下Batch-Inference与模型文件夹在文件夹的名字。你可以根据需要编辑的笔记本。

1. 单击批推理选项卡。

2. 从模型版本下拉,选择要使用的模型版本。前两个项目下拉模型的当前生产和分段版本(如果存在的话)。当您选择这些选项之一,笔记本自动使用生产或临时版本的运行时间。你不需要更新笔记本继续发展模型。

3. 单击浏览旁边的按钮输入表。的选择输入数据对话框出现了。如果有必要,你可以改变的集群计算下拉。

   请注意

   统一目录启用工作区,选择输入数据对话框允许您选择从三个层次,<目录名称>。<数据库名称>。<表名称>。

4. 选择包含模型的输入数据的表,并单击选择。进口笔记本电脑自动生成该数据并将其发送到模型中。您可以编辑生成的笔记本如果数据需要任何之前转换输入到模型中。

5. 预测是保存在一个文件夹的目录dbfs: / FileStore / batch-inference。默认情况下,保存在一个文件夹名称相同的预测模型。每次运行生成的笔记本写到一个新文件与时间戳添加到该目录的名字。你也可以选择不包括覆盖该文件的时间戳和随后的笔记本的运行;指令提供了生成的笔记本。

   你可以改变预测的文件夹保存输入到一个新文件夹的名字输出表的位置字段或通过单击文件夹图标浏览目录并选择一个不同的文件夹。

   将预测保存到一个位置统一目录,您必须编辑笔记本。例如笔记本显示如何训练机器学习模型,使用数据统一目录并把结果返回给统一目录,看看培训和注册机器学习模型与统一目录。

配置流推理使用三角洲住表

当你按照以下步骤创建一个流推理笔记本,笔记本是保存在您的用户文件夹下DLT-Inference与模型文件夹在文件夹的名字。你可以根据需要编辑的笔记本。

1. 单击流(δ生活表)选项卡。

2. 从模型版本下拉,选择要使用的模型版本。前两个项目下拉模型的当前生产和分段版本(如果存在的话)。当您选择这些选项之一,笔记本自动使用生产或临时版本的运行时间。你不需要更新笔记本继续发展模型。

3. 单击浏览旁边的按钮输入表。的选择输入数据对话框出现了。如果有必要,你可以改变的集群计算下拉。

4. 选择包含模型的输入数据的表,并单击选择。使用生成的笔记本创建一个数据变换作为源和整合了MLflow输入表PySpark推理UDF执行模型预测。您可以编辑生成的笔记本如果需要任何额外的转换之前或之后的数据模型。

5. 提供输出三角洲住表名。笔记本用给定的名称创建一个生活表,并使用它来存储模型预测。您可以修改生成的笔记本定制所需的目标数据集——例如:定义一个直播表作为输出,添加模式信息或数据质量约束。

6. 您可以创建一个新的三角洲生活表管道用这个笔记本或将其添加到现有管道作为额外的笔记本图书馆。

提供反馈

这个特性在预览,我们希望得到你的反馈。提供反馈,点击提供反馈在配置模型推理对话框。

关掉所有电子邮件通知

您可以在工作区中关掉邮件通知模型注册用户设置菜单的设置选项卡:

1. 点击设置在左下角的砖工作区。

2. 点击用户设置。

3. 去电子邮件首选项选项卡。

4. 关掉工作空间模型注册邮件通知。

一个帐户管理员可以关掉整个组织的电子邮件通知管理员设置页面。

最大数量的电子邮件发送

工作空间模型注册限制每个用户发送的邮件数量每一天的活动。举个例子,如果你收到一天20封电子邮件关于新模型版本为注册创建模型、空间模型注册发送电子邮件指出每日限制已经达到,也没有额外的电子邮件关于这个事件被发送到第二天。

增加邮件的数量的限制,请联系您的砖的代表。

注释一个模型或模型版本使用UI

砖UI提供了几种方法来标注模型和模型版本。您可以添加使用描述或评论文本信息,你可以添加搜索键-值标签。描述和标签可用于模型和模型版本;评论仅供模型版本。

• 旨在提供信息模型描述。

• 评价提供一种方法来维护一个正在进行的讨论活动模型版本。

• 标记允许您定制模型元数据能很容易地找到特定的模型。

编辑或删除标记为一个模型或者模型版本

编辑或删除现有标签,使用的图标行动列。

注释一个模型使用API版本

更新版本描述模型,使用MLflow客户机APIupdate_model_version ()方法:

客户端=MlflowClient()客户端。update_model_version(的名字=“<模型名称>”,版本= <模型- - - - - -版本>,描述=“<描述>”)

建立或更新一个标记注册模型或者模型版本,使用MLflow客户机API“set_registered_model_tag ()”)或“set_model_version_tag ()”方法:

客户端=MlflowClient()客户端。set_registered_model_tag()(的名字=“<模型名称>”,关键=“<键值>”,标签=“<标签值>”)

客户端=MlflowClient()客户端。set_model_version_tag()(的名字=“<模型名称>”,版本= <模型- - - - - -版本>,关键=“<键值>”,标签=“<标签值>”)

寻找一个模型使用UI

显示注册模式,点击模型在侧边栏。

搜索一个特定的模型,在搜索框中输入文本。您可以输入一个模型的名称或任何部分的名称:

你也可以搜索标签。在这种格式输入标签:标签。<键> = <值>。搜索多个标签,使用和操作符。

你可以搜索模型名称和标签使用MLflow搜索语法。例如:

寻找一个模型使用API

你可以搜索模型在工作区中模型注册中心注册MLflow客户机API方法search_registered_models ()

如果你有设置标签在你的模型,你也可以搜索的标签search_registered_models ()。

打印(f“找到注册模型与一个特定的标记价值”)为米在客户端。search_registered_models(f“tags. <键值> = <标签值>”):pprint(dict(米),缩进=4)

你也可以搜索一个特定的模型名称和使用MLflow客户机API版本上市细节search_model_versions ()方法:

从pprint进口pprint客户端=MlflowClient()(pprint(mv)为mv在客户端。search_model_versions(“name = <模型名称>”)]

这个输出:

{“creation_timestamp”: 1582671933246,“current_stage”:“生产”,“描述”:“一个随机森林模型包含100决策树“scikit-learn训练”,“last_updated_timestamp”: 1582671960712,“名称”:“sk-learn-random-forest-reg-model”,“run_id”:“ae2cc01346de45f79a44a320aab1797b”,“源”:“。/ mlruns / 0 / ae2cc01346de45f79a44a320aab1797b /工件/ sklearn-model ',“状态”:“准备好了”,“status_message”:没有,“user_id”:没有,“版本”:1}{“creation_timestamp”: 1582671960628,“current_stage”:“没有”,“描述”:没有,“last_updated_timestamp”: 1582671960628,“名称”:“sk-learn-random-forest-reg-model”,“run_id”:“d994f18d09c64c148e62a785052e6723”,“源”:“。/ mlruns / 0 / d994f18d09c64c148e62a785052e6723 /工件/ sklearn-model ',“状态”:“准备好了”,“status_message”:没有,“user_id”:没有,“版本”:2}

删除一个使用UI模型版本或模型

删除一个模型版本:

1. 点击模型在侧边栏。

2. 点击一个模型的名字。

3. 点击一个模型版本。

4. 点击在屏幕的右上角和选择删除从下拉菜单。

删除模型:

1. 点击模型在侧边栏。

2. 点击一个模型的名字。

3. 点击在屏幕的右上角和选择删除从下拉菜单。

删除一个模型或模型版本使用API

#删除版本1、2和3的模型客户端=MlflowClient()版本=(1,2,3]为版本在版本:客户端。delete_model_version(的名字=“<模型名称>”,版本=版本)

客户端=MlflowClient()客户端。delete_registered_model(的名字=“<模型名称>”)