Skip to content

Model API

您可以透過多種方式儲存和載入 MLflow 模型。首先，MLflow 包含與多個通用程式庫的整合。例如，mlflow.sklearn 包含 scikit-learn 模型的 save_model()、log_model() 和 load_model() 函數。其次，您可以使用 mlflow.models.Model 類別來建立和編寫模型。該類別有四個關鍵功能：

  • add_flavor 為模型添加支援不同框架的 flavor。每個 flavor都有一個字串名稱和一個鍵值屬性字典，其中值可以是任何可以序列化為 YAML 的物件。
  • save 將模型儲存到本地目錄。
  • log 使用 MLflow Tracking 將模型記錄為目前運行中的工件。
  • load 從本機目錄或先前執行的工件載入模型。

MLfflow 內建 Model Flavors

MLflow 提供了幾種可能對您的應用程式有用的標準 flavor。具體來說，它的許多部署工具都支援這些 flavor，因此您可以以這些 flavor 之一導出自己的模型，以從所有這些工具中受益：

  • Python Function (python_function)
  • R Function (crate)
  • H2O (h2o)
  • Keras (keras)
  • MLeap (mleap)
  • PyTorch (pytorch)
  • Scikit-learn (sklearn)
  • Spark MLlib (spark)
  • TensorFlow (tensorflow)
  • ONNX (onnx)
  • MXNet Gluon (gluon)
  • XGBoost (xgboost)
  • LightGBM (lightgbm)
  • CatBoost (catboost)
  • Spacy(spaCy)
  • Fastai(fastai)
  • Statsmodels (statsmodels)
  • Prophet (prophet)
  • Pmdarima (pmdarima)
  • OpenAI (openai) (Experimental)
  • LangChain (langchain) (Experimental)
  • John Snow Labs (johnsnowlabs) (Experimental)
  • Diviner (diviner)
  • Transformers (transformers) (Experimental)
  • SentenceTransformers (sentence_transformers) (Experimental)
  • Promptflow (promptflow) (Experimental)