我们很高兴地宣布 MLflow 0.3.0 版本现已发布！

MLflow Release 0.3.0 已准备就绪，发布日期为 2018-07-18。该版本可在 PyPI 上找到，文档也已 更新。以下是发布说明：

重大变更

• [MLflow Server] 将 mlflow server 的 --artifact-root 参数重命名为 --default-artifact-root，以更好地反映其用途（#165, @aarondav）

功能

• Spark MLlib 集成：我们现在支持在 log_model API、模型格式和 serving API 中直接记录 SparkML 模型（#72, @tomasatdatabricks）
• 现在支持将 Google Cloud Storage 作为 artifact 存储根目录（#152, @bnekolny）
• 支持 MLflow 运行的异步/并行执行（#82, @smurching）
• [SageMaker] 支持删除、更新通过 SageMaker 部署的应用程序（#145, @dbczumar）
• [SageMaker] 推送 MLflow SageMaker 容器现在包含其发布的 MLflow 版本（#124, @sueann）
• [SageMaker] 通过提供合理的默认值来简化 SageMaker deploy 的参数（#126, @sueann）
• [UI] 单个指标现在显示为条形图（#118, @cryptexis）

错误修复

• 要求 gitpython>=2.1.0（#98, @aarondav）
• 修复了 TensorFlow 模型加载，使列与导出模型的输出名称匹配（#94, @smurching）
• 修复了当列数 >= 10 时的 SparkUDF（#97, @aarondav）
• 来自 @emres、@dmatrix、@stbof、@gsganden、@dennyglee、@anabranch、@mikehuston、@andrewmchen、@juntai-zheng 的杂项 bug 和文档修复

访问 变更日志 以了解新功能。