관리형mlflow

管理完整的機器學習生命周期

什麼是托管MLFlow？

托管MLFlow建立在MLFLOW，由Databricks開發的開源Beplay体育安卓版本平台，可幫助管理具有企業可靠性，安全性和規模的完整機器學習生命周期。

장점

實驗跟蹤

使用任何ML庫，框架或語言進行實驗，並自動跟蹤每個實驗中的參數，指標，代碼和模型。通過在Databricks上使用MLFlow，您可以安全地共享，管理和比較實驗結果以及相應的工件和代碼版本，這要歸功於與Databricks Workspace和筆記本電腦內置集成。

模型管理

使用一個中心地點發現和共享ML模型，合作將其從實驗轉移到在線測試和生產，與批準和治理工作流程以及CI/CD管道集成，並監視ML部署及其性能。這MLFlow模型注冊表促進分享專業知識和知識，並幫助您保持控製。

模型部署

快速在Apache Spark™上使用與Docker容器，Azure ML或Amazon Sagemaker的內置集成來快速部署用於批處理推斷或作為REST API的生產模型。使用Databricks上的托管MLFlow，您可以使用Databricks作業調度程序和自動管理的群集來操作和監視生產模型，以根據業務需求進行擴展。

特征

MLFLOW跟蹤

MLFlow跟蹤：自動使用每次運行的參數，代碼版本，指標和工件Python，，，，休息，，，，R API，和Java API

MLFlow跟蹤服務器：使用內置跟蹤服務器快速入門，以在一個地方記錄所有運行和實驗。Databricks不需要配置。

實驗管理：通過訪問控製和搜索查詢，創建，安全，組織，搜索和可視化實驗。

MLFlow Run側欄：自動從筆記本電腦內部跟蹤運行，並為每次運行捕獲筆記本的快照，以便您始終返回代碼的先前版本。
使用運行來記錄數據：日誌參數，數據集，指標，工件等等，以運行到本地文件，到sqlalchemy兼容數據庫或遠程到跟蹤服務器。

三角洲湖的整合：跟蹤大規模數據集，這些數據集為您的模型提供了Delta Lake快照。

文物商店：在Amazon S3，Azure Blob存儲，Google Cloud Storage，SFTP Server，NFS和本地文件路徑中存儲大型文件，例如S3存儲桶，共享NFS文件係統和模型。

MLFlow項目

MLFLOW項目：MLFlow項目允許指定軟件環境這用於執行您的代碼。MLFlow當前支持以下項目環境：Conda環境，Docker容器環境和係統環境。任何GIT存儲庫或本地目錄都可以視為MLFLOW項目。

遠程執行模式：跑MLFlow項目從GIT或本地資源從數據鏈球群上遠程來源，使用Databricks CLI快速擴展您的代碼。

MLFlow模型注冊表

中央存儲庫：注冊MLFlow模型MLFlow模型注冊表。注冊模型具有唯一的名稱，版本，舞台和其他元數據。

模型版本：更新時會自動跟蹤注冊型號的版本。

模型階段：分配給每個模型版本的預設或自定義階段，例如“分期”和“生產”，以表示模型的生命周期。

CI/CD工作流集成：記錄階段過渡，請求，審查和批準更改，作為CI/CD管道的一部分，以更好地控製和治理。

模型階段過渡：將新的注冊事件或更改記錄為自動記錄用戶，更改和其他元數據（例如評論）的活動。

MLFLOW模型

MLFLOW模型：包裝機學習模型的標準格式，可用於各種下遊工具，例如，通過REST API進行實時服務或Apache Spark上的批處理推斷。

模型自定義：采用自定義Python型號和自定義口味對於ML庫中的模型，該模型不受MLFlow的內置口味明確支持。

內置模型口味：MLFlow提供了幾種標準口味，這些口味可能在您的應用程序中很有用，例如Python和R Functions，H20，Keras，Mleap，Pytorch，Scikit-Learn，Spark Mllib，Tensorflow和Onnx。內置部署工具：快速通過Apache Spark UDF，本地計算機或其他幾個生產環境（例如Microsoft Azure ML，Amazon Sagemaker和構建用於部署的Docker圖像。

從Azure Databricks和AWS查看我們的產品新聞，以了解有關我們最新功能的更多信息。

比較MLFlow產品

這個怎麼運作

MLFLOW是一組輕巧的API和用戶界麵，可以在整個機器學習工作流程中與任何ML框架一起使用。它包括四個組件：MLFLOW跟蹤，，，，MLFLOW項目，MLFLOW模型和MLFlow模型注冊表

MLFLOW跟蹤：記錄和查詢實驗：代碼，數據，配置和結果。

MLFlow項目：用於可再現的包裝格式在任何平台上運行。Beplay体育安卓版本

MLFLOW模型：用於將模型發送到各種部署工具的通用格式。

MLFlow模型注冊表：集中存儲庫，以在整個生命周期中協作管理MLFlow模型beplay娱乐ios。

Databricks上的MLFLOW是MLFLOW的完全管理版本，可為實踐者提供跨數據串筆記本，作業和數據存儲的可重複性和實驗管理，並具有可靠性，安全性和可擴展性統一數據分析平台Beplay体育安卓版本。

시작할준비가
되셨나요？

databricks무료무료시작하기
遵循快速入門指南

리소스