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，Databricks在去年推出了MLflow，这是一个旨在简化整个ML生命周期的开源项目。bob下载地址MLflow引入了简单的抽象来打包可重复的项目，跟踪结果，并封装可以与许多现有工具一起使用的模型，从而加速任何规模的组织的ML生命周期。
在过去的一年中，MLflow社区发展迅速:来自40多家公司的120多名贡献者为该项目贡献了代码，超过200家公司正在使用MLflow。
在本教程中，我们将向您展示如何使用MLflow来帮助您:
- 跟踪跨框架的实验运行和结果。
- 在Databricks集群上远程执行项目，并快速重现您的运行。
- 使用Databricks生产作业、Docker容器、Azure ML或Amazon SageMaker快速生产模型。
我们将演示MLflow的构建模块以及自1.0发行版以来的最新添加。
你将学到:
- 了解开源MLflow的三个主要组件(MLflow跟踪、MLflow项目、MLflbob下载地址ow模型)，以及每个组件如何帮助解决ML生命周期的挑战。
- 如何使用MLflow跟踪记录和查询实验:代码，数据，配置和结果。
- 如何使用MLflow项目打包格式在任何平台上重新运行。bob体育客户端下载
- 如何使用MLflow模型通用格式将模型发送到不同的部署工具。
先决条件:
- 一台充满电的笔记本电脑(8-16GB内存)，配备Chrome或Firefox浏览器
- 预安装Python 3和pip
- 预注册Databricks标准试用
- 基本了解Python编程语言
- 基本了解机器学习概念
«回来
