Exportation du modèle ML MLeap
Important
Cette documentation a été mise hors service et peut 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 au service de prédictions individuelles, vous pouvez utiliser MLeap, un format de sérialisation et un moteur d’exécution communs pour les pipelines d’apprentissage automatique. 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 effectuer des prédictions à partir de nouvelles données. Vous pouvez importer les modèles exportés dans Spark et d’autres plateformes pour évaluer les scores et les prédictions.
Remarque
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 une version antérieure. Ces versions de Databricks Runtime ML ont une version personnalisée de MLeap préinstallée.
Le notebook suivant présente un exemple de flux de travail d’exportation de modèle.
Exemple : exporter et importer des modèles dans Python
Cet exemple de notebook montre comment utiliser MLeap pour exporter des modèles avec MLlib.