由於@Werner Stinckens,管道可以壓縮數據準備到抽象,usecase的問題是關於調用模型中的數據按摩功能的預測函數。
現在我解決它,我喜歡與社區分享。我去設計包裝的解決方案模型的預測函數包裝器類的預測方法。因為這是標準模型中,我使用了pyfunc味道在mlflow日誌模型。通過指定conda環境,模型托管集群可以安裝這些庫和運行我們的自定義模型。
主要設計方麵是我們模型的本機預測函數替換為一個用戶定義的。這可以做任何喜歡閱讀,準備數據,然後繼續調用模型的預測方法。
磚店有一個新功能叫做特性可以處理這種可變性。api,本地調用功能表查找和獲取的值上運行預測。
你可以創建一個自定義端點處理數據的REST API調用前按摩
模型。預測功能。這個端點可以在主鍵作為輸入,從數據庫中檢索附加功能基於這個關鍵,然後通過成套的特性
模型。預測功能。
您可以使用一個web框架如瓶或FastAPI創建自定義端點。例如,您可以創建一個函數來檢索額外的功能鉛富集從數據庫中調用model.predict
函數,然後使用這個函數作為路線在燒瓶或FastAPI應用。客戶端應用程序可以發送一個請求與主鍵,這個自定義端點和端點將返回預測基於檢索功能。
您還可以使用mlflow Model.call()方法來調用您的自定義函數。
您還可以使用Serverless框架或其他類似的工具來部署這個函數,讓它通過一個API網關