MLflow 入门

如果您是 MLflow 新手或希望温习其核心功能，这里提供的快速入门教程是完美的起点。它们将引导您逐步了解基本概念，纯粹专注于一个任务，以最大限度地帮助您理解如何使用 MLflow 解决特定任务。

提示

如果您想试用 Databricks 上完全托管的 MLflow 体验的免费试用版，您可以快速注册并开始将 MLflow 用于您的生成式 AI 和机器学习项目需求，而无需配置、设置和运行您自己的跟踪服务器。您可以点击此处了解更多关于

Databricks 免费试用版的信息。此试用版提供对个人 Databricks 账户的完全访问权限，其中包括 MLflow 和其他紧密集成的 AI 服务和功能。

运行教程指南

如果您从未接触过 MLflow 跟踪服务器，我们强烈建议您前往快速阅读以下指南。它将帮助您尽快开始文档中的教程内容。

如何运行教程

了解运行 MLflow 跟踪服务器的选项，以执行 MLflow 文档中的任何指南和教程

入门指南

MLflow 跟踪

MLflow 跟踪是 MLflow 的主要服务组件之一。在这些指南中，您将了解 MLflow 跟踪在构建 ML 模型时如何增强您的 MLOps 相关活动。

在这些 MLflow 跟踪入门指南中，您将学习如何利用 MLflow 来

• 记录模型的训练统计数据（损失、准确率等）和超参数
• 记录（保存）模型以供后续检索
• 使用 MLflow 模型注册表注册模型以实现部署
• 加载模型并将其用于推理

在学习这些关键概念的过程中，您将接触到 MLflow 跟踪 API、MLflow 跟踪 UI，并学习如何将与模型训练事件相关的元数据添加到 MLflow 运行中。

MLflow 跟踪快速入门指南

通过快速指南学习 MLflow 跟踪的基础知识，重点是在 MLflow UI 中查看您的第一个模型

MLflow 跟踪深度教程

在深度教程中学习与 MLflow 跟踪服务器交互的细微差别

自动日志记录基础知识

开始使用 MLflow 的一个好方法是使用 自动日志记录 功能。对于 Python 生态系统中许多最流行的机器学习库，自动日志记录只需一行代码即可自动记录您的模型、指标、示例、签名和参数。

在这个简短的教程中，您将学习如何利用 MLflow 的自动日志记录功能来简化您的模型日志记录活动。

MLflow 自动日志记录快速入门

通过快速指南使用高级自动日志记录 API 开始向 MLflow 记录

运行比较基础知识

此快速入门教程重点介绍 MLflow UI 的运行比较功能，并提供了逐步的指导，说明如何注册从超参数调优执行扫描中找到的最佳模型。在本地服务注册模型后，将简要介绍通过使用 Docker 容器化模型来准备模型以进行远程部署的示例。

MLflow 运行比较快速入门

开始使用 MLflow UI 比较运行并注册模型以进行部署

跟踪服务器快速入门

此快速入门教程介绍了不同类型的 MLflow 跟踪服务器以及如何使用它们来记录您的 MLflow 实验。

5分钟跟踪服务器概述

了解如何使用不同的跟踪服务器记录 MLflow 实验

模型注册表快速入门

此快速入门教程介绍了如何在 MLflow 模型注册表中注册模型以及如何检索注册模型。

5 分钟模型注册表概述

了解如何将 MLflow 模型记录到模型注册表

进一步学习 - 接下来是什么？

既然您已经掌握了基本要领，以下是一些推荐的教程和指南内容集合，它们将有助于拓宽您对 MLflow 及其 API 的理解。

• 跟踪 - 通过阅读跟踪指南了解更多关于 MLflow 跟踪 API 的信息。
• MLflow 部署 - 遵循全面的模型部署指南，了解如何将您的 MLflow 模型部署到各种部署目标。
• 模型注册表 - 了解 MLflow 模型注册表以及它如何帮助您管理 ML 模型的生命周期。
• 深度学习库集成 - 从 PyTorch 到 TensorFlow 等等，通过阅读深度学习指南了解 MLflow 中集成的深度学习功能。
• 传统机器学习 - 了解 MLflow 中的传统机器学习功能以及它们如何帮助您管理传统的机器学习工作流。