目前正在将我的MLflow模型部署在Docker容器中。 Docker容器设置有模型所需的所有必需依赖项,因此对于MLflow而言,然后创建/激活模型的conda环境似乎是多余的。查看文档(https://www.mlflow.org/docs/latest/cli.html#mlflow-models-serve),它说您可以使用--no-conda标志为模型提供服务,并且MLflow将假定您“正在具有必需依赖项的Conda环境中运行”。当我们在具有必要依赖项的任何环境中运行时(不一定在Conda环境中),此解决方案将为我们工作。它是否正确?还是在使用--no-conda标志运行时我们绝对需要激活Conda环境吗?

例如,我可以创建一个virtualenv,并在启用virtualenv的情况下使用mlflow models serve -m [model/path] --no-conda在本地提供模型。然后,该模型可以正常运行,但是文档表明它似乎不起作用,因为它明确要求使用Conda环境。

最佳答案

您无需使用--no-conda选项安装Conda环境。

从快速入门指南(https://www.mlflow.org/docs/latest/quickstart.html)中可以看出,只要安装了所有依赖项,就可以了。不管如何安装这些依赖项(pipenv,诗歌或pip)都无关紧要。

需要注意的是:这样一来,您就无法在MLFlow中为项目定义依赖项(因为使用conda来安装这些依赖项)

您应该能够安全地继续当前的做法。

关于python - 在没有Conda环境的情况下部署MLflow模型,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/60158939/

10-11 17:27
查看更多