Package sktmls
Sub-modules
sktmls.apis
sktmls.channels
sktmls.clients
sktmls.components
sktmls.config
sktmls.data_status
sktmls.datasets
sktmls.dimensions
sktmls.dynamodb
sktmls.experiments
sktmls.filters
sktmls.graphs
sktmls.meta_tables
sktmls.ml_features
sktmls.mls_client
sktmls.mls_env
sktmls.model_registry
sktmls.models
sktmls.profiles
sktmls.utils
Classes
class DoesNotExist (msg='결과가 존재하지 않습니다')
-
Common base class for all non-exit exceptions.
Ancestors
- MLSClientError
- builtins.Exception
- builtins.BaseException
class MLSClient (env: MLSENV = None, runtime_env: <MLSRuntimeENV.LOCAL: 'LOCAL'> = None, username: str = None, password: str = None)
-
Subclasses
- ChannelClient
- ClientClient
- ComponentClient
- StatusClient
- DatasetClient
- DimensionClient
- DynamoDBClient
- ExperimentClient
- FilterClient
- EdgeClient
- VertexClient
- MetaTableClient
- MLFeatureClient
- MLFeatureGroupClient
- AutoMLBatchPredictionClient
- MLModelClient
- ProfileClient
Methods
def get_env(self) ‑> MLSENV
def get_runtime_env(self) ‑> MLSRuntimeENV
def get_username(self) ‑> str
class MLSClientError (code: int, msg: str)
-
Common base class for all non-exit exceptions.
Ancestors
- builtins.Exception
- builtins.BaseException
Subclasses
class MLSENV (value, names=None, *, module=None, qualname=None, type=None, start=1)
-
An enumeration.
Ancestors
- enum.Enum
Class variables
var DEV
var LOCAL
var PRD
var STG
Static methods
def list_items() ‑> List[MLSENV]
-
모든 MLS 환경을 리스트로 반환합니다.
def list_values() ‑> List[str]
-
모든 MLS 환경 이름을 리스트로 반환합니다.
class MLSResponse (response: requests.models.Response = None, status: int = None, body: Dict[str, Any] = None)
class MLSRuntimeENV (value, names=None, *, module=None, qualname=None, type=None, start=1)
-
An enumeration.
Ancestors
- enum.Enum
Class variables
var EDD
var LOCAL
var MMS
var YE
Static methods
def list_items() ‑> List[MLSRuntimeENV]
-
모든 MLSRuntimeENV 환경을 리스트로 반환합니다.
def list_values() ‑> List[str]
-
모든 MLSRuntimeENV 환경 이름을 리스트로 반환합니다.
class ModelRegistry (env: MLSENV = None, runtime_env: MLSRuntimeENV = None)
-
모델 레지스트리 클래스입니다.
Args
- env: (
MLSENV
) 접근할 MLS 환경 (MLSENV.DEV
|MLSENV.STG
|MLSENV.PRD
) (기본값:MLSENV.STG
) - runtime_env: (
MLSRuntimeENV
) 클라이언트가 실행되는 환경 (MLSRuntimeENV.YE
|MLSRuntimeENV.EDD
|MLSRuntimeENV.LOCAL
) (기본값:MLSRuntimeENV.LOCAL
)
아래의 환경 변수가 정의된 경우 해당 파라미터를 생략 가능합니다.
- $MLS_ENV: env
- $AWS_ENV: env
- $MLS_RUNTIME_ENV: runtime_env
Returns
Example
model_registry = ModelRegistry(env=MLSENV.STG, runtime_env=MLSRuntimeENV.LOCAL)
Methods
def list_models(self) ‑> List[str]
-
MLS 모델 레지스트리에 등록된 모든 모델 이름을 리스트로 가져옵니다.
Returns
list(str)
Example
model_registry = ModelRegistry(env=MLSENV.STG) model_names = model_registry.list_models()
def list_versions(self, model_name: str) ‑> List[str]
-
MLS 모델 레지스트리에 등록된 모델의 모든 버전을 리스트로 가져옵니다.
Args
- model_name: (str) 모델 이름
Returns
list(str)
Example
model_registry = ModelRegistry(env=MLSENV.STG) model_versions = model_registry.list_versions("hello_model")
def load(self, model_name: str, model_version: str) ‑> MLSModel
-
MLS 모델 레지스트리로부터 모델 객체를 가져옵니다.
Args
- model_name: (str) 모델 이름
- model_version: (str) 모델 버전
Returns
Example
model_registry = ModelRegistry(env=MLSENV.STG) hello_model_v1 = model_registry.load(model_name="hello_model", model_version="v1") results = hello_model_v1.predict([1, 2, 3])
def save(self, mls_model: MLSModel, force: bool = False, custom_predict_async_path: str = None)
-
모델 바이너리(model.joblib)와 정보(model.json)를 MLS 모델 레지스트리에 등록합니다.
MLSModel.save()
와 동일하게 동작합니다.Args
- mls_model: (
MLSModel
) 모델 객체 - force: (optional) (bool) 이미 모델 레지스트리에 등록된 경우 덮어 쓸 것인지 여부 (기본값:
False
) - custom_predict_async_path: (optional) (str) predict_async.py 파일 경로 (기본값: None)
Example
model_registry = ModelRegistry(env=MLSENV.STG) model_registry.save(gbm_model)
- mls_model: (
def save_and_deploy(self, mls_model: MLSModel, ml_model_client: MLModelClient, force: bool = False, custom_predict_async_path: str = None) ‑> ManualModel
-
모델 바이너리(model.joblib)와 정보(model.json)를 MLS 모델 레지스트리에 등록하고, 해당 바이너리를 참조하는 MLS의 일반 모델(ManualModel)을 생성(deploy)합니다.
일반 모델은 deploy 후 버킷에 연결되어 정상 동작하기 까지 약 한 시간이 소요됩니다.
Args
- mls_model: (
MLSModel
) 모델 객체 - ml_model_client: (
MLModelClient
) 모델 클라이언트 - force: (bool) 이미 모델 레지스트리에 등록된 경우 덮어 쓸 것인지 여부 (기본값:
False
) - custom_predict_async_path: (optional) (str) predict_async.py 파일 경로 (기본값: None)
Example
ml_model_client = MLModelClient(env=MLSENV.STG, runtime_env=MLSRuntimeENV.YE, username="mls_account", password="mls_password") model_registry = ModelRegistry(env=MLSENV.STG) model_registry.save_and_deploy(gbm_model, ml_model_client)
- mls_model: (
- env: (
class ModelRegistryError (msg)
-
Common base class for all non-exit exceptions.
Ancestors
- builtins.Exception
- builtins.BaseException