跳至主内容

MLflow: 管理机器学习生命周期的工具

MLflow 是一个开源平台，专门用于帮助机器学习从业者和团队处理机器学习过程中的复杂性。MLflow 专注于机器学习项目的完整生命周期，确保每个阶段都可管理、可追踪且可复现。

MLflow 入门资源​

如果这是你第一次接触 MLflow，这里的教程和指南是一个很好的起点。每篇教程和指南都侧重于尽可能快速地让你熟悉使用 MLflow 的基本功能、术语、API 以及一般最佳实践，从而增强你在特定领域指南和教程中的学习效果。

了解 MLflow​的核心组件

快速入门​

在我们的 5-minute tutorial 中开始使用 MLflow

指南​

通过 this in-depth guide to Tracking 了解 MLflow 的核心组件

Core Components

使用 MLflow 的传统机器学习和深度学习​

MLflow 为传统机器学习和深度学习工作流提供全面支持。从实验跟踪和模型版本控制到部署与监控，MLflow 简化了机器学习生命周期的各个方面。无论你是在使用 scikit-learn 模型、训练深度神经网络，还是管理复杂的 ML 管道，MLflow 都提供了构建可靠、可扩展机器学习系统所需的工具。

探索下面的核心 MLflow 功能和集成，以增强您的机器学习开发工作流程！

跟踪实验并管理您的机器学习开发​

核心功能​

MLflow Tracking 提供全面的实验日志记录、参数跟踪、指标可视化和工件管理。

主要优势：

  • 实验组织: 跟踪并比较多个模型实验
  • 指标可视化: 内置的用于展示模型性能的绘图和图表
  • 工件存储: 随每次运行存储模型、图表和其他文件
  • 协作: 在团队之间共享实验和结果

指南​

开始使用追踪功能

高级追踪功能

Autologging for Popular Libraries

MLflow Tracking

在任何地方运行 MLflow​

MLflow 可在多种环境中使用，包括您的本地环境、内部部署集群、云平台和托管服务。作为一个开源平台，MLflow 是 供应商中立；无论您在哪里进行机器学习，您都可以访问 MLflow 的核心能力集，例如跟踪、评估、可观测性等。

Databricks Logo
Amazon SageMaker Logo
Azure Machine Learning Logo
Nebius Logo
Kubernetes Logo