管理MLflow

MLflow-Modellregister

ZENTRALES存儲庫:Registrieren您MLflow-Modelle imMLflow模型注冊。靜脈registriertes莫德爾帽子杯eindeutigen以,一張eindeutige版本,風景明信片eindeutige Stufe製裁Metadaten。

Modellversionierung:Verfolgen您automatisch死Versionen毛皮registrierte Modelle,這要是aktualisiert了。

MODELLPHASE:傑德Modellversion wurden voreingestellte奧得河benutzerdefinierte Phasen zugewiesen, z。b .„舉辦“生產和„”,嗯窩Lebenszyklus進行上一次darzustellen。

集成·馮·CI / CD-Workflows:Zeichnen您Phasenubergange, fordern您Anderungen, uberprufen和genehmigen您您als菩提樹馮CI /管道,嗯一張bessere Kontrolle和Steuerung祖茂堂gewahrleisten。

Modellstufenubergange:Erfassen您neue Registrierungsereignisse奧得河-anderungen als Aktivitaten,貝denen Benutzer, Anderungen和zusatzliche Metadaten是不是Kommentare automatisch protokolliert了。

MLflow-Modelle

MLFLOW-MODELLE:靜脈Standardformat毛皮死Erstellung馮·ML-Modellen das在靜脈Vielzahl馮nachgelagerten工具verwendet了螢石,z。b . Echtzeitbereitstellung uber一張rest api奧得河Batch-Inferenz auf Apache火花。

Modellanpassung:Verwenden您Benutzerdefinierte Python-Modelle和Benutzerdefinierte Varianten毛皮Modelle來自靜脈ML-Bibliothek死·馮·窩在MLflow integrierten Varianten不explizit unterstutzt了。

INTEGRIERTE MODELLVARIANTEN:MLflow bietet mehrere Standardvarianten,死在古老而Anwendungen nutzlich盛德國,以色列立Python - R-Funktionen,擁抱的臉,OpenAI LangChain,火花MLlib PyTorch TensorFlow ONNX。

INTEGRIERTE BEREITSTELLUNGSTOOLS:Schnelle Bereitstellung磚超級Apache火花UDF的皮毛杯lokalen計算機奧得河mehrere安德利果汁Produktionsumgebungen (z。b .微軟Azure ML,亞馬遜SageMaker)和Erstellen馮Docker-Images蘇珥Bereitstellung。

MLflow食譜

VEREINFACHTER PROJEKTSTART:MLflow食譜bietet sofort einsatzbereite verbundene Komponenten zum Erstellen和Bereitstellen馮ML-Modellen。

BESCHLEUNIGTE MODELLITERATION:MLflow食譜erstellt standardisierte, wiederverwendbare Schritte毛皮Modelliteration死去,wodurch der Prozess schneller和kostengunstiger將。

AUTOMATISIERTE TEAMUBERGABEN:Struktur死bietet modularisierten, produktionsbereiten代碼,der一張automatische Ubergabe vom Experimentieren一個死Produktion ermoglicht。

MLflow-Projekte

MLFLOW-PROJEKTE:在MLflow-Projekten軟件——您能死Umgebung代碼ausgefuhrt angeben,《國際衛生條例》將。MLflow unterstutzt derzeit死folgenden Projektumgebungen: Conda-Umgebung Docker-Container-Umgebung Systemumgebung。傑德git存儲庫——奧得河lokale Verzeichnis螢石als MLflow-Projekt behandelt了。

Remote-Ausfuhrungsmodus:Fuhren您mithilfe der Databricks-CLIMLflow-Projekte馮Git奧得河lokalen Quellen Databricks-Clustern aus汪汪汪,古老而謝爾祖茂堂skalieren代碼。

MLFLOW-VERFOLGUNG

MLflow-Verfolgung:Protokollieren您automatisch參數、Codeversionen Kennzahlen和Artefakte毛皮jeden Lauf麻省理工學院Python,休息,R API和Java API

MLflow-Tracking-Server:麻省理工學院einem integrierten Tracking-Server您能迅速地阿萊Laufe和Experimente einem運動protokollieren。磚erforderlich Keine Konfiguration再見。

Experimentverwaltung:Erstellen、sichern organisieren,蘇晨和visualisieren您Experimente麻省理工學院Zugriffskontrolle和Suchanfragen來自民主黨的工作區。

MLFLOW-AUSFUHRUNGSSEITENLEISTE:昨天您能automatisch Ausfuhrungen在筆記本nachverfolgen和毛皮jede Ausfuhrung國際衛生條例筆記本erfassen窗戶的快照,汽水您永遠祖茂堂fruheren Versionen zuruckkehren可以在國際衛生條例規範。

Protokollieren馮Daten麻省理工學院Durchlaufen:Protokollieren您參數,Datensatze、Metriken Artefakte和mehr als Durchlaufe在lokalen Dateien,在靜脈SQLAlchemy-kompatiblen Datenbank奧得河遠程auf einem Tracking-Server。

Delta-Lake-Integration:Verfolgen您umfangreiche Datensatze,死您Modelle麻省理工學院三角洲Lake-Schnappschussen gespeist抗議。

Artefaktspeicher:Speichern您große Dateien她S3-Buckets, freigegebenes NFS-Dateisystem和Modelle在Amazon S3, im Azure Blob-Speicher,穀歌Cloud-Speicher, auf民主黨sftp服務器,在NFS和lokalen Dateipfaden。