Eksportowanie modelu uczenia maszynowego MLeap
Ważne
Ta dokumentacja została wycofana i może nie zostać zaktualizowana. Produkty, usługi lub technologie wymienione w tej zawartości nie są już obsługiwane.
Aby wyeksportować modele do obsługi poszczególnych prognoz, można użyć popularnego formatu serializacji MLeap i aparatu wykonywania dla potoków uczenia maszynowego. Obsługuje on serializację potoków Apache Spark, scikit-learn i TensorFlow do pakietów, dzięki czemu można ładować i wdrażać wytrenowane modele, aby tworzyć prognozy na podstawie nowych danych. Wyeksportowane modele można importować na platformę Spark i inne platformy do oceniania i przewidywania.
Uwaga
Środowisko Databricks Runtime nie obsługuje oprogramowania MLeap typu open source. Aby użyć rozwiązania MLeap, należy utworzyć klaster z uruchomionym środowiskiem Databricks Runtime 13.3 LTS ML lub nowszym. Te wersje środowiska Databricks Runtime ML mają wstępnie zainstalowaną niestandardową wersję oprogramowania MLeap.
W poniższym notesie przedstawiono przykład przepływu pracy eksportu modelu.
Przykład: eksportowanie i importowanie modeli w języku Python
W tym przykładzie notesu pokazano, jak używać biblioteki MLeap do eksportowania modeli za pomocą biblioteki MLlib.