Empacotar artefatos personalizados para o Model Serving

Este artigo descreve como garantir que as dependências de arquivo e artefato do seu modelo estejam disponíveis em seu modelo servindo com o ponto de extremidade do Azure Databricks .

Requisitos

MLflow 1.29 e superior

Empacotar artefatos com modelos

Quando seu modelo requer arquivos ou artefatos durante a inferência, você pode empacotá-los no artefato do modelo quando registrar o modelo.

Se você estiver trabalhando com blocos de anotações do Azure Databricks, uma prática comum é fazer com que esses arquivos residam em volumes do Catálogo Unity. Às vezes, os modelos também são configurados para baixar artefatos da internet (como os tokenizadores HuggingFace). As cargas de trabalho em tempo real em escala têm melhor desempenho quando todas as dependências necessárias são capturadas estaticamente no momento da implantação. Por esse motivo, o Model Serving requer que os artefatos de volumes do Unity Catalog sejam empacotados no próprio artefato do modelo usando interfaces MLflow. Os artefatos de rede carregados com o modelo devem ser empacotados com o modelo sempre que possível.

Com o comando MLflow log_model(), você pode registrar um modelo e seus artefatos dependentes com o artifacts parâmetro.

mlflow.pyfunc.log_model(
    ...
    artifacts={'model-weights': "/Volumes/catalog/schema/volume/path/to/file", "tokenizer_cache": "./tokenizer_cache"},
    ...
)

Em modelos PyFunc, os caminhos desses artefatos são acessíveis a context partir do objeto em context.artifacts, e eles podem ser carregados da maneira padrão para esse tipo de arquivo.

Por exemplo, em um modelo MLflow personalizado:

class ModelPyfunc(mlflow.pyfunc.PythonModel):
    def load_context(self, context):
        self.model = torch.load(context.artifacts["model-weights"])
        self.tokenizer = transformers.BertweetTokenizer.from_pretrained("model-base", local_files_only=True, cache_dir=context.artifacts["tokenizer_cache"])
    ...

Depois que seus arquivos e artefatos forem empacotados em seu artefato de modelo, você poderá servir seu modelo para um ponto de extremidade de serviço de modelo.