Šta je registry modela i koje ste alate koristili (MLflow, W&B)?

Регистар модела је централизовано складиште и систем управљања верзијама модела машинског учења. Он омогућава праћење, чување, поређење и распоређивање модела, обезбеђујући контролу над животним циклусом модела.

Основне функције регистара модела:

• Чување модела са метаподацима (верзија, параметри, метрике).
• Управљање верзијама модела.
• Могућност промене статуса модела (нпр., staging, производња).
• Интеграција са CI/CD pipeline-има за аутоматско распоређивање.

Често коришћени алати:

• MLflow Model Registry — део MLflow-а, обезбеђује чување модела, управљање верзијама и прелазе између фаза.
• Weights & Biases (W&B) — платформа за праћење експеримената и управљање моделима, укључујући регистар модела са визуализацијом метрика и верзија.

Пример коришћења MLflow за регистрацију модела:

import mlflow
import mlflow.sklearn

with mlflow.start_run():
    model = train_model()
    mlflow.sklearn.log_model(model, "model")
    mlflow.log_metric("accuracy", accuracy)
    mlflow.register_model("runs:/<run_id>/model", "MyModel")

Овим приступом, регистар модела помаже у организовању рада са моделима, олакшава њихову поновну употребу и распоређивање.