引入MLflow模型注冊表

看公告和演示

在今天的火花+人工智能峰會在阿姆斯特丹,我們宣布MLflow的可用性模型注冊中心,在一個新的組件MLflow開源毫升平台Beplay体育安卓版本。因為我們介紹MLflow火花+人工智能2018年峰會上,該項目獲得了超過140的貢獻者和每月800000下載PyPI,使MLflow增長最快的一個開源項目在機器學習!

MLflow已經有能力跟蹤指標、參數和工件作為實驗的一部分,包模型和可再生的ML項目,模型部署到批處理或實時服務平台Beplay体育安卓版本。

MLflow模型注冊中心建立在MLflow現有的能力,為組織提供一個中心位置分享ML模式,合作將他們從實驗測試和生產,並實現審批和管理工作流。自從我們開始MLflow,模型管理請求的功能在我們的開源的用戶,我們興奮地推出一個直接與MLflow模型管理係統集成。

模型注冊表給MLflow新工具分享,審查和管理毫升模型在他們的生命周期

良好的工程原則應用到機器學習與MLflow模型注冊表

許多數據科學和機器學習項目失敗由於可預防的問題,發現並解決在軟件工程中超過十年前。然而,這些解決方案需要適應由於開發代碼和培訓毫升模型之間的關鍵差異。

• 專業知識、代碼和數據:的數據,數據科學和ML代碼不僅需要處理數據依賴關係,而且處理統計建模的固有的不確定的特征。毫升模型不能保證行為時相同的方式訓練兩次,與傳統易於單元測試的代碼。
• 模型工件:除了應用程序代碼,ML產品和特性也依賴於模型訓練過程的結果。這些模型構件通常可以大(g)的順序,通常需要不同於代碼本身。
• 合作:在大型組織中,模型,部署在應用程序通常不是由同一個人負責訓練部署。之間的傳遞實驗、測試和生產部署類似,但不相同的軟件工程審批流程。

MLflow模型注冊地址前麵提到的挑戰。以下是一些關鍵特性的新組件。

一個中心管理毫升協作模型beplay娱乐ios

構建和部署毫升模型是一項團隊運動。不僅是責任以及機器學習模型生命周期通常跨越多個人們(如數據科學家火車模型而生產工程師部署它們),但同時,在每個生命周期階段,團隊可以受益於協作和共享(例如欺詐模型建立在一個組織的一部分,可以重用其他人)。

新模型注冊中心促進跨團隊專業技能和知識的共享使ML模式更可發現並提供常見的ML任務協作特性,共同提高。beplay娱乐ios簡單的注冊一個MLflow模型從實驗開始。注冊表會讓你跟蹤多個版本的模型和馬克。每一個生命周期階段:開發、分期、生產或存檔。

樣品機器學習模型顯示通過MLflow模型注冊儀表板

靈活的CI / CD管道管理階段過渡

MLflow模型注冊表允許您管理您的模型的生命周期手動或通過自動化工具。類似於審批過程在軟件工程中,用戶可以手動請求模型移動到一個新的生命周期階段(例如,從暫存到生產),審查和評論其他用戶的轉換請求。或者,您可以使用模式注冊的API插入持續集成和部署(CI / CD)工具,如詹金斯自動測試和轉換您的模型。每個模型也與實驗運行,建立在MLflow跟蹤,讓您輕鬆地評估模型。

例子在MLflow機器學習模型頁麵視圖,顯示用戶如何請求和審查修改模型的階段

可見性和毫升的治理生命周期

在大型企業,毫升的數量模型的發展,過渡和生產在任何給定的時間點可能在100年代或1000年代。擁有完整的模型存在的可見性,它們在什麼階段,和誰合作,改變了的部署階段模型允許組織更好地管理他們的ML的努力。

MLflow模型注冊中心提供完整的能見度,使治理通過跟蹤每個模型的曆史和管理誰可以批準更改模型的階段。

版本識別模型,每個模型的階段,作者版本

開始與MLflow模型注冊表

我們已經開發MLflow模型與磚的反饋客戶的注冊表過去幾個季度,今天,我們發布了第一個開源補丁的beplay体育app下载地址注冊在GitHub MLflow模型。我們很樂意聽到你的反饋!我們計劃繼續開發注冊中心在接下來的幾個月裏,並把它作為下一個MLflow釋放。磚客戶也可以beplay体育app下载地址點擊這裏注冊開始使用注冊表的模型。