我们很高兴地宣布 MLflow 0.4.0 现已可用！
MLflow 版本 0.4.0 已准备就绪，于 2018-08-01 发布。该版本可在 PyPI 上获取，文档已更新。以下是版本说明（也可在 GitHub 上获取）
重大变更
- [项目] 移除了 mlflow.projects.run() 中的 use_temp_cwd 参数（即 mlflow run CLI 中的 --new-dir 标志）。现在，运行本地项目时使用本地项目目录作为其工作目录。Git 项目仍会拉取到临时目录中 (#215, @smurching)
- [跟踪] GCS 工件存储现在是一个可插拔的依赖项（默认不再安装）。要启用 GCS 支持，请通过 pip 在客户端和跟踪服务器上安装 google-cloud-storage (#202, @smurching)。
- [跟踪] 运行 MLflow 0.4.0 及更高版本的客户端需要运行 MLflow 0.4.0 或更高版本的服务器，这是因为一个修复程序确保客户端在向服务器发送数据时不再将 JSON 双重序列化为字符串 (#200, @aarondav)。但是，MLflow 0.4.0 服务器仍然向后兼容旧版本客户端 (#216, @aarondav)
新特性
- [示例] 添加了一个更高级的跟踪示例：将 MLflow 与 PyTorch 和 TensorBoard 结合使用 (#203)
- [模型] 支持 H2O 模型 (#170, @ToonKBC)
- [项目] 支持在 Git 仓库的子目录中运行项目 (#153, @juntai-zheng)
- [SageMaker] 支持在部署到 SageMaker 时指定计算规范 (#185, @dbczumar)
- [服务器] 为 MLflow UI 和服务器添加了 --static-prefix 选项，用于从指定前缀提供 UI 服务 (#116, @andrewmchen)
- [跟踪] 支持 Azure Blob 存储工件 (#206, @mateiz)
- [跟踪] 添加了对 Databricks 支持的 RestStore 的支持 (#200, @aarondav)
- [UI] 通过添加 CSRF 支持来启用前端生产化 (#199, @aarondav)
- [UI] 更新指标和参数过滤器，允许用户控制列顺序 (#186, @mateiz)
错误修复
- 修复了 GCSArtifactRepository 返回的不兼容文件结构 (#173, @jakeret)
- 修复了指标值在 x 轴上乱序的问题 (#204, @mateiz)
- 修复了使用 projects.run API 时偶尔出现的卡顿行为 (#193, @smurching)
- 来自 @aarondav, @andrewmchen, @arinto, @jakeret, @mateiz, @smurching, @stbof 的其他错误和文档修复
请访问变更日志以了解新特性。