MLflow 深度学习
MLflow 为深度学习工作流程提供了全面的实验跟踪、模型管理和部署功能。从 PyTorch 训练循环到 TensorFlow 模型，MLflow 简化了您从实验到生产的路径。
开始使用
PyTorch 指南
通过自动化的指标和工件日志记录，跟踪自定义 PyTorch 训练循环。
查看指南 →
TensorFlow 指南
使用自动日志记录和 TensorBoard 可视化支持集成 TensorFlow 模型。
查看指南 →
Keras 指南
在统一的 MLflow 跟踪中利用 Keras 3.0 的多后端功能。
查看指南 →
spaCy 指南
跟踪 spaCy NLP 管道，自动记录模型性能和工件。
查看指南 →
Transformers 指南
将 Hugging Face Transformers 与 MLflow 集成，用于 LLM 和 NLP 模型跟踪。
查看指南 →
Sentence Transformers
使用 sentence-transformers 集成跟踪嵌入模型和相似性任务。
查看指南 →
为什么选择 MLflow 进行深度学习？
单行自动日志记录
通过 PyTorch Lightning、TensorFlow 和 Keras 的单行代码启用全面的跟踪。
实时监控
实时跟踪跨 epoch 和批次的指标、损失曲线和训练进度。
模型检查点
在训练过程中自动保存和版本化模型检查点，并具有完整的谱系跟踪。
生产部署
使用 GPU 加速、批处理推理和云平台集成部署模型。