waveletai-SDK在模型开发中的使用

记录模型参数

函数 waveletai.log_param()

    waveletai.log_param(key, value)

参数说明：

参数	类型	详情说明
key	str	参数名称
value		参数值

记录模型指标

函数 waveletai.log_metric()

    waveletai.log_metric(key, value, step=None)

参数说明：

参数	类型	详情说明
key	str	指标名称
value		指标值
step		步长

保存模型

函数 mlflow.pyfunc.log_model()

    mlflow.pyfunc.log_model(artifact_path, code_path, conda_env, python_model, artifacts)

参数说明：

参数	类型	详情说明
artifact_path		生成模型文件的保存路径
code_path		本地python依赖文件路径的列表，这些文件将会在模型加载之前预先添加到到sys.path中
conda_env		自定义的环境脚本（conda.yaml），或者，当无特别的依赖包，可以选择None为默认Conda环境
python_model		自定义继承PythonModel的子类的实例对象 eg: CustomModel(),注意：子类所在python文件的所有import依赖项，须为conda_env中包含的公开库，或在code_path中已经添加
artifacts		包含若干<name: file_path>的字典，会被自动加载到PythonModel 的context参数属性中，可以在 PythonModel.load_context(),PythonModel.predict()中获取 eg: file_path = context.artifacts["name"]

备注:（1）若其他框架（keras/sklearn/tensorflow/pytorch/其他）进行模型保存，详情请参考【其他框架-模型保存】。