如何从MLFlow模型注册表程序化获取模型输入Schema？

当然可以，只要你在记录模型时通过signature参数保存了输入Schema，就能从MLFlow模型注册表中提取出训练时使用的特征信息。以下是具体操作方法：

• 加载注册表中的目标模型
  使用MLFlow的模型加载方法，传入模型在注册表中的路径，格式为models:/<模型名称>/<版本号或阶段>（比如models:/customer_churn_model/Production）。你可以用通用的mlflow.pyfunc.load_model()，也可以用对应框架的专属加载方法（如mlflow.sklearn.load_model()）。

• 提取输入Schema信息
  加载完成后，通过模型对象的元数据或直接属性获取signature，其中的inputs字段就是训练时的输入特征Schema。

代码示例 #

import mlflow

# 从模型注册表加载生产环境的模型
loaded_model = mlflow.pyfunc.load_model("models:/customer_churn_model/Production")

# 获取输入特征Schema
input_schema = loaded_model.metadata.signature.inputs

# 打印每个特征的名称和类型
print("训练时使用的输入特征:")
for feature in input_schema:
    print(f"- {feature.name}: {feature.type}")

如果使用框架专属加载方法（以Scikit-learn为例），逻辑类似：

import mlflow.sklearn

loaded_sk_model = mlflow.sklearn.load_model("models:/customer_churn_model/1")
input_schema = loaded_sk_model.signature.inputs

内容的提问来源于stack exchange，提问作者Indrajit Roy