Exportation de modèle ML MLeap
Cette documentation a été retirée et pourrait ne pas être mise à jour. Les produits, services ou technologies mentionnés dans ce contenu ne sont plus pris en charge.
Pour exporter des modèles pour la diffusion de prédictions individuelles, vous pouvez utiliser MLeap, un format de sérialisation et un moteur d'exécution courants pour les pipelines de Machine Learning. MLeap prend en charge la sérialisation des pipelines Apache Spark, scikit-learn et TensorFlow dans un bundle, afin que vous puissiez charger et déployer des modèles entraînés pour faire des prédictions avec de nouvelles données. Vous pouvez importer les modèles exportés dans Spark et d'autres plateformes pour le scoring et les prédictions.
Databricks Runtime ne prend pas en charge MLeap open source. Pour utiliser MLeap, vous devez créer un cluster exécutant Databricks Runtime 13.3 LTS ML ou version antérieure. Ces versions de Databricks Runtime ML ont une version personnalisée de MLeap préinstallée.
Le Notebook suivant présente un exemple de workflow d'exportation de modèle.
Exemple : Exportez et importez des modèles en Python
Cet exemple de Notebook montre comment utiliser MLeap pour exporter des modèles avec MLlib.