使用MLflow管理机器学习(ML)生命周期

技术工作坊系列

概述

这个研讨会是MLflow的介绍。机器学习(ML)开发带来了传统软件开发生命周期之外的许多新的复杂性。与传统的软件开发不同,ML开发人员希望尝试多种算法、工具和参数来获得最佳结果,并且他们需要跟踪这些信息来重现工作。此外,开发人员需要使用许多不同的系统来生产模型。

为了解决这些挑战,开源项目MLflow简化了整个ML生命周期。bob下载地址MLflow引入了简单的抽象来打包可复制的项目、跟踪结果、封装可与许多现有工具一起使用的模型以及共享模型的中央存储库,从而加速了任何规模的组织的ML生命周期。

许多研讨会都有笔记本和幻灯片链接供你下载。

请跟我来注册您的免费社区版帐户下载MLflow

MLflow简介:如何使用MLflow跟踪

如何使用MLflow跟踪记录和查询实验:代码,数据,配置和结果。

理解MLflow项目和模型

如何使用MLflow项目打包格式来重新运行,以及现在如何使用MLflow模型通用格式将模型发送到不同的部署工具。

模型注册表工作流说明

了解模型注册表如何帮助解决ML生命周期的挑战。

  • 模型注册表背后的概念和动机
  • 模型注册中心文档和api之旅
  • 如何使用模型注册表工作流:模型注册表UI和模型注册表API
  • 如何使用模型注册表管理、注释和转换模型
  • 在本地主机上使用模型注册表UI
  • 在本地主机上部署并提供注册模型