O que é um model registry? Catalogando modelos treinados explicado

Um model registry é um catálogo central que armazena modelos treinados com versões, metadados e estágios de ciclo de vida, para que as equipes saibam exatamente qual modelo está em produção.

Depois que um pipeline treina um modelo, para onde ele vai? Um model registry é a resposta: um sistema de registro para modelos treinados, muito parecido com o que um container registry é para imagens. Ele rastreia versões, quem as treinou, como pontuaram e em qual estágio - staging ou produção - cada uma está.

O que é um model registry

Um model registry é um catálogo de versões de modelos treinados. Cada entrada armazena o artifact do modelo (ou um ponteiro para ele), suas métricas, os dados e o código que o produziram, e um estágio de ciclo de vida. MLflow, SageMaker e Vertex AI todos vêm com registries.

Estágios do ciclo de vida

Um registry normalmente oferece suporte a estágios como None, Staging, Production e Archived. Promover um modelo de Staging para Production é uma ação deliberada e auditável - o equivalente em ML a promover um build por ambientes de deploy.

A transição entre CI e deploy

O registry é onde os pipelines de treinamento fazem a transição para os pipelines de deploy. Um job de treinamento registra uma nova versão; um job de deploy separado puxa o modelo em estágio de Production e o serve. Esse desacoplamento significa que você pode fazer rollback para uma versão anterior do modelo sem retreinar.

Registrando um modelo a partir do CI

Depois que a avaliação passa, um job de CI registra o modelo e suas métricas no registry, para que a melhor versão esteja sempre disponível para descoberta.

import mlflow
with mlflow.start_run():
    mlflow.log_metric("accuracy", 0.94)
    mlflow.sklearn.log_model(model, "model",
        registered_model_name="churn-classifier")

Nota Latchkey

Enviar (push) e baixar (pull) artifacts de modelo movimenta arquivos grandes. Na Latchkey, fazer cache dos modelos de produção baixados entre execuções de deploy e aplicar auto-retry em timeouts transitórios do registry ou do object store mantém a transição de CI para deploy rápida e confiável.

Principais conclusões

• Um model registry é um catálogo central de versões de modelos treinados, com métricas, proveniência e estágios de ciclo de vida.
• Promover um modelo de Staging para Produção é uma ação auditável, como promover um build entre ambientes.
• O registry desacopla o treinamento do deploy, permitindo rollback para um modelo anterior sem retreinar.

Guias relacionados