预训练模型下载（预训练模型可以直接用吗）



重要

Anaconda Inc. 为 anaconda.org 通道更新了其服务条款。 根据新的服务条款，如果依赖 Anaconda 的打包和分发，则可能需要商业许可证。 有关详细信息，请参阅 Anaconda Commercial Edition 常见问题解答。 对任何 Anaconda 通道的使用都受其服务条款的约束。

在 v1.18（Databricks Runtime 8.3 ML 或更低版本）之前记录的 MLflow 模型默认以 conda 通道 (https://repo.anaconda.com/pkgs/) 作为依赖项进行记录。 由于此许可证更改，Databricks 已停止对使用 MLflow v1.18 及更高版本记录的模型使用 通道。 记录的默认通道现在为 ，它指向社区管理的 https://conda-forge.org/。

如果在 MLflow v1.18 之前记录了一个模型，但没有从模型的 conda 环境中排除 通道，则该模型可能依赖于你可能没有预期到的 通道。 若要手动确认模型是否具有此依赖项，可以检查与记录的模型一起打包的 文件中的 值。 例如，具有 通道依赖项的模型 可能如下所示：

由于 Databricks 无法确定是否允许你根据你与 Anaconda 的关系使用 Anaconda 存储库来与模型交互，因此 Databricks 不会强制要求其客户进行任何更改。 如果允许你根据 Anaconda 的条款通过 Databricks 使用 Anaconda.com 存储库，则你不需要采取任何措施。

若要更改模型环境中使用的通道，可以使用新的 将模型重新注册到模型注册表。 为此，可以在 的 参数中指定该通道。

有关 API 的详细信息，请参阅所用模型风格的 MLflow 文档，例如用于 scikit-learn 的 log_model。

有关 文件的详细信息，请参阅 MLflow 文档。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/bcyy/61356.html