model-registry

# 模型注册表指南 MLflow 模型注册表的完整指南，用于版本控制、生命周期管理和协作。 ## 目录 - 什么是模型注册表 - 注册模型 - 模型版本 - 阶段转换 - 模型别名（现代方法） - 搜索模型 - 模型注释 - 协作工作流 - 最佳实践 ## 什么是模型注册表 模型注册表是一个集中式模型存储库，用于管理 MLflow 模型的完整生命周期。 **主要功能：** - **版本控制**：自动版本递增 (v1, v2, v3...) - **阶段**：无、Staging（预发布）、Production（生产）、Archived（归档） - **别名**：champion（冠军）、challenger（挑战者）、latest（最新）（现代方法） - **注释**：描述、标签、元数据 - **血缘**：跟踪哪些运行产生了模型 - **协作**：团队范围的模型治理 - **部署**：生产模型的单一事实来源 **使用场景：** - 模型审批工作流 - A/B 测试（冠军 vs 挑战者） - 生产部署跟踪 - 模型性能监控 - 合规性审计 ## 注册模型 ### 训练期间注册 python import mlflow import mlflow.sklearn with mlflow.start_run(): model = train_model() # 一步完成记录和注册 mlflow.sklearn.log_model( model, "model", registered_model_name="product-classifier" # 创建或更新 ) ### 训练后注册 python from mlflow.tracking import MlflowClient client = MlflowClient() # 从实验获取运行 ID run_id = "abc123" # 从运行中注册模型 model_uri = f"runs:/{run_id}/model" result = mlflow.register_model( model_uri, "product-classifier" ) print(f"模型名称: {result.name}") print(f"版本: {result.version}") ### 带签名注册 python from mlflow.models.signature import infer_signature with mlflow.start_run(): model = train_model() # 推断签名 signature = infer_signature(X_train, model.predict(X_train)) # 带签名注册 mlflow.sklearn.log_model( model, "model", signature=signature, registered_model_name="product-classifier" ) ## 模型版本 ### 自动版本控制 python # 首次注册：创建版本 1 with mlflow.start_run(): model_v1 = train_model() mlflow.sklearn.log_model(model_v1, "model", registered_model_name="my-model") # 结果：my-model 版本 1 # 第二次注册：创建版本 2 with mlflow.start_run():