MLflow 入门

如果您是 MLflow 新手，或者想回顾其核心功能，这里的快速入门教程是绝佳的起点。它们将引导您一步一步地了解基本概念，专注于可以最大化您对如何使用 MLflow 解决特定任务的理解的任务。

提示

如果您想在 Databricks 上免费试用完全托管的 MLflow 体验，您可以快速注册并开始使用 MLflow 来满足您的 GenAI 和 ML 项目需求，而无需配置、设置和运行自己的跟踪服务器。您可以在此处了解有关

Databricks 免费试用的更多信息。此试用版提供对包含 MLflow 和其他紧密集成的 AI 服务及功能的个人 Databricks 帐户的完全访问权限。

运行教程指南

如果您从未与 MLflow 跟踪服务器交互过，我们强烈建议您快速**阅读下面的指南**。它将帮助您尽快开始使用文档中的教程内容。

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 跟踪如何增强您的 MLOps 相关活动，同时构建 ML 模型。

在这些 MLflow 跟踪的入门指南中，您将学习如何利用 MLflow 来

• 记录模型的训练统计信息（损失、准确率等）和超参数
• 记录（保存）一个模型以供以后检索
• 使用 MLflow 模型注册表注册一个模型以启用部署
• 加载模型并使用它进行推理

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

通过一个快速指南了解 MLflow 跟踪的基础知识，重点是查看 MLflow UI 中的第一个模型

MLflow 跟踪深入教程

在深入教程中学习与 MLflow 跟踪服务器交互的细微之处

自动日志记录基础知识

入门 MLflow 的一个好方法是使用 自动日志记录功能。自动日志记录只需一行代码即可自动记录模型、指标、示例、签名和参数，适用于 Python 生态系统中最受欢迎的许多 ML 库。

在此简短教程中，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

通过高层自动日志记录 API，在快速指南中开始将日志记录到 MLflow

运行比较基础知识

此快速入门教程重点介绍了 MLflow UI 的运行比较功能，并提供了注册超参数调整执行扫描中找到的最佳模型的逐步指南。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

此快速入门教程将介绍不同类型的 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

此快速入门教程将介绍如何在 MLflow 模型注册表中注册模型以及如何检索已注册的模型。

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中

进一步学习 - 下一步是什么？

现在您已经掌握了基础知识，以下是一些推荐的教程和指南内容集合，它们将帮助您拓宽对 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 - 遵循关于模型部署的综合指南，了解如何将 MLflow 模型部署到各种部署目标。
• 模型注册表 - 了解 MLflow 模型注册表及其如何帮助您管理 ML 模型的生命周期。
• 深度学习库集成 - 从 PyTorch 到 TensorFlow 等，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 ML - 了解 MLflow 中的传统 ML 功能及其如何帮助您管理传统 ML 工作流。