Expand source code
# ----------------------------------------------------------------------------------------------------
# Este teste verifica se a implementação das interfaces está atendendo à algumas premissas
# necessárias para publicação do modelo.
# ----------------------------------------------------------------------------------------------------
import sys
from logging import getLogger
from mllibprodest.utils import validate_params
from mllibprodest.validators.test import Test
if __name__ == "__main__":
"""
Se você estiver rodando o MLflow localmente, execute o script e informe o caminho completo da pasta 'mlruns'
através do parâmetro '--mlruns_path=<caminho completo para a pasta mlruns>'. A pasta 'mlruns' é criada na pasta
local onde o servidor do MLflow, utilizado para registrar o modelo, foi iniciado.
Uso: python test_retrain.py --mlruns_path="caminho completo para a pasta mlruns"
"""
# Evita a propagação dos logs na tela ao realizar os testes
logger = getLogger("LOG_TESTS")
logger.propagate = False
params = sys.argv
mlruns_path = ""
# Se recebeu algum parâmetro, verifica se é o esperado
if len(params) > 1:
parametros_esperados = {'--mlruns_path': str}
resultado, retorno = validate_params(params, parametros_esperados)
if resultado:
mlruns_path = retorno['--mlruns_path']
else:
print(f"\nERRO: {retorno}")
exit(1)
validador = Test()
validador.validate(mlruns_path=mlruns_path)