管理MLflow

机器学习完整的生命周期管理

免费试安排一次演示

MLflow管理是什么?

管理MLflow之上MLflow,一个开源bob下载地址的平台开发bob体育客户端下载的砖来帮助管理完整的机器学习与企业生命周期的可靠性、安全性和规模。

好处

模型开发

加速和简化机器学习生命周期管理与开发生产就绪的ML标准化框架模型。
有管理MLflow食谱,你可以引导毫升项目,轻松进行快速迭代的大规模生产和运送高品质的模型。

实验跟踪

与任何毫升图书馆运行实验,框架或语言,并自动跟踪参数,指标,从每个实验代码和模型。通过使用MLflow砖,您可以安全地共享、管理和比较实验结果以及相应的工件和代码版本——由于与砖的内置集成工作区和笔记本。

模型管理

使用一个中央位置发现和分享ML模式,合作将他们从在线测试和生产实验,与批准和管理工作流集成和CI / CD管道、部署和监控毫升及其性能。的MLflow模型注册促进专业技能和知识的共享,并帮助你保持控制。

模型部署

快速部署批量生产模型推理在Apache火花™或REST api使用内置集成和码头工人容器,Azure毫升或亚马逊SageMaker。与托管MLflow砖,可以实施和监控生产模型使用砖工作调度器和auto-managed集群规模基于业务需求。

特性

MLflow跟踪

MLflow跟踪:自动日志参数,代码版本,为每个运行使用指标和工件Python,休息,R API,Java API

MLflow跟踪服务器:快速掌握一个内置的跟踪服务器日志所有运行和实验在一个地方。不需要配置在砖上。

实验管理:创建、安全组织、搜索和可视化实验在工作区与访问控制和搜索查询。

MLflow运行栏:自动跟踪运行在笔记本和捕获的快照为每个运行你的笔记本,这样你可以回到以前版本的代码。

测井数据与运行:日志参数、数据集、指标、工件和更多的跑到本地文件,SQLAlchemy数据库兼容,或者远程跟踪服务器。

三角洲湖集成:跟踪美联储的大规模数据集模型与三角洲湖快照。

构件存储:存储大文件如S3 bucket, NFS共享文件系统,和模型在Amazon S3, Azure Blob存储,谷歌云存储,SFTP服务器,NFS,本地文件路径。

MLflow食谱

简化项目启动:MLflow食谱提供了用于构建和部署毫升的即用连接组件模型。

加速模型迭代:MLflow食谱创建标准化、可重用模型迭代的步骤,使过程更快、更便宜。

自动化团队的协调管理:固执己见的结构提供了模块化生产就绪代码,使自动切换从实验到生产。

MLflow项目

MLflow项目:MLflow项目允许您指定的软件环境这是用于执行代码。MLflow目前支持以下项目环境:Conda环境,码头工人容器环境,和系统环境。任何Git存储库或本地目录可视为一个MLflow项目。

远程执行模式:运行MLflow项目Git或当地来源上远程数据砖集群使用砖CLI迅速扩展的代码。

MLflow模型注册

中央存储库:注册与MLflow模型MLflow模型注册。注册模型都有一个唯一的名称,版本,舞台上,和其他元数据。

模型版本:时自动跟踪注册模型的版本更新。

模型阶段:预设或自定义阶段分配给每个模型版本,如“暂存”和“生产”来表示模型的生命周期。

CI / CD工作流集成:记录转换阶段,要求,审查和批准变更的CI / CD管道进行更好的控制和治理。

模型转换阶段:记录新的注册事件或变化自动记录用户的活动,评论等变化,额外的元数据。

MLflow模型

MLflow模型:包装机器学习模型的标准格式,可用于多种下游工具——例如,实时服务通过REST API或批推理在Apache火花。

模型定制:使用自定义Python模型定制的味道对模型的ML库,没有显式地支持MLflow内置的味道。

内置的模型形式:MLflow提供了一些标准的味道,可能是有用的在您的应用程序中,像Python和R函数,h2o, Keras, MLeap, PyTorch, scikit-learn,引发MLlib, TensorFlow, ONNX。

内置的部署工具:快速部署在砖通过Apache火花UDF本地机器,或其他一些生产环境如微软Azure ML,亚马逊SageMaker,为部署建立码头工人的照片

看到我们的产品新闻从Azure砖和AWS更多地了解我们的最新功能。BOB低频彩

比较MLflow祭

它是如何工作的

MLflow是一个轻量级的api和用户界面,可用于任何毫升框架在机器学习工作流程。它包括四个部分:MLflow跟踪,MLflow项目,MLflow模型MLflow模型注册

MLflow跟踪:记录和查询实验:代码、数据配置,和结果。

MLflow项目:包装格式可再生的任何平台上运行。bob体育客户端下载

MLflow模型:一般格式发送模型不同的部署工具。

MLflow模型注册:集中存储库协同管理MLflow整个完整的生命周期模型。

管理MLflow砖上是一个完全版本的管理MLflow为从业者提供跨砖笔记本的再现性和实验管理,工作,和数据存储的可靠性、安全性、和可伸缩性的吗统一数据分析平台bob体育客户端下载

准备好开始了吗?

免费试着砖
快速入门指南

资源