MLflow指南

MLflow是一個開源的平台管理端到端機器學習生Beplay体育安卓版本命周期。它有以下主要組件:

  • 跟蹤:允許您跟蹤實驗,記錄和比較參數和結果。

  • 模型:允許您管理和部署模型從不同的ML圖書館各種模型和推理平台服務。Beplay体育安卓版本

  • 項目:讓你包毫升代碼可重用,可再生的形式分享與其他數據科學家或轉移到生產。

  • 模型注冊表:可以集中一個模型存儲管理模型的完整生命周期階段轉換:從暫存到生產、版本控製和注釋的功能。

  • 模型服務:允許您主機MLflow模型作為REST端點。

磚提供了一個全麵的管理和托管版本MLflow結合企業安全特性,高可用性和其他磚工作區等特性的實驗和運行管理和筆記本修訂捕獲。MLflow磚上跟蹤提供了一個集成的經驗和保證機器學習模型訓練運行和運行機器學習項目。

第一次使用應該開始快速入門,這表明基本MLflow跟蹤api。後續文章介紹每個MLflow組件示例筆記本和描述這些組件駐留在磚。

MLflow支持Java,Python,R,休息api。

請注意

如果你剛剛開始與磚,考慮使用MLflow磚社區版,它提供了一個簡單的輕量級MLflow體驗實驗管理。不支持遠程執行MLflow項目磚Community Edition。我們計劃實施適度限製數量的試驗和運行。初始啟動的MLflow磚Community Edition不強加限製。

MLflow數據存儲在控製平麵(實驗運行、度量、標簽和params)使用platform-managed密鑰加密。Beplay体育安卓版本加密使用Customer-managed密鑰管理服務不支持數據。另一方麵,MLflow模型和工件存儲在根(DBFS)存儲可以使用你自己的密鑰加密配置customer-managed鍵工作區存儲。