Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Estoy usando Spark 3.2 para cargar un modelo para predecir probabilidades, pero parece que no está funcionando correctamente y no puedo averiguar por qué. Cargar datos en spark psdf = df.to_pandas_on_spark() model = mlflow.sklearn.load_model(‘s3://bucket/r1_mlflow/’) res = model.predict_proba(psdf) ValueError: Se esperaba una matriz 2D, se obtuvo una matriz 1D en cambio: . . . Read more
Puedo cargar una versión específica de un modelo utilizando el cliente mlflow: import mlflow model_version = 1 model = mlflow.pyfunc.load_model( model_uri=f”models:/c3760a15e6ac48f88ad7e5af940047d4/{model_version}” ) ¿Pero hay alguna manera de cargar la última versión del modelo?
Quiero conectarme al servidor de seguimiento remoto (http://123.456.78.90) que requiere autenticación. Cuando hago esto: import mlflow mlflow.set_tracking_uri(“http://123.456.78.90”) mlflow.set_experiment(“my-experiment”) Obtengo un error: MlflowException: La solicitud de API al extremo /api/2.0/mlflow/experiments/list ha fallado con el código de error 401 != 200. Cuerpo de la respuesta: 401 Autorización requerida Entiendo que primero necesito . . . Read more
He estado intentando servir un modelo utilizando MLFlow sin éxito. Esto es lo que estoy haciendo: Paso 1: Ejecutar todos los pasos de preparación de datos en mi cuaderno Jupyter. Paso 2: Iniciar un prompt de comando Anaconda y dirigirme al mismo directorio del cuaderno. Paso 3: Iniciar MLFlow de . . . Read more
Estoy guardando el modelo de MLFlow usando Databricks. A continuación se detallan los detalles: ruta_de_artefacto: modelo databricks_runtime: 8.4.x-gpu-ml-scala2.12 sabores: python_function: data: datos env: conda.yaml loader_module: mlflow.pytorch pickle_module_name: mlflow.pytorch.pickle_module versión_de_python: 3.8.8 pytorch: datos_del_modelo: datos versión_de_pytorch: 1.9.0+cu102 No puedo cargar el modelo localmente usando Python 3.7, mientras que funciona bien con Python . . . Read more