Question#41(DP-100)
Azure Machine Learning ワークスペースを管理しています。
MLflow でログを記録するカスタム モデルを構築しました。このカスタム モデルには次の特徴があります：
・MLflow でネイティブにサポートされていない。
・Pickle 形式でシリアル化できない。
・モデルのソース コードが複雑である。
・モデル用の Python ライブラリをモデルと一緒にパッケージ化する必要がある。
MLflow でのログを有効にするカスタム モデル フレーバーを作成する必要があります。
何を使用すべきですか？
正解：A
model loader の仕組みは、log_model() の loader_module パラメーターにカスタムの Python モジュールを指定し、code_paths でソースコードを一緒にパッケージ化します。モデルの読み込みロジックは _load_pyfunc() 関数で実装します。
コメント