我们很高兴地宣布 MLflow 1.13.0 上线！

除了错误修复和文档更新之外，MLflow 1.13.0 还包含以下新功能和改进：

用于记录内存中对象的全新流畅 API 作为 artifact：​

• 添加 mlflow.log_text，用于将文本记录为 artifact（#3678，@harupy）
• 添加 mlflow.log_dict，用于将字典记录为 artifact（#3685，@harupy）
• 添加 mlflow.log_figure，用于将图形对象记录为 artifact（#3707，@harupy）
• 添加 mlflow.log_image，用于将图像对象记录为 artifact（#3728，@harupy）

UI 更新/修复：​

• 在紧凑的实验表格视图中添加模型版本链接
• 在实验运行页面视图中添加已记录/已注册的模型链接
• 增强 MLflow 模型的 artifact 查看器
• 模型注册表 UI 设置现在可在浏览器会话之间持久化
• 将模型版本 description 字段添加到模型版本表格

（#3867，@smurching）

自动记录增强：​

• 提高自动记录集成对异常的鲁棒性（#3682，#3815，dbczumar；#3860，@mohamad-arabi；#3854，#3855，#3861，@harupy）
• 添加自动记录的 disable 配置选项（#3682，#3815，dbczumar；#3838，@mohamad-arabi；#3854，#3855，#3861，@harupy）
• 添加自动记录的 exclusive 配置选项（#3851，@apurva-koti；#3869，@dbczumar）
• 添加自动记录的 log_models 配置选项（#3663，@mohamad-arabi）
• 为自动记录的运行设置标签以方便识别（并为 start_run 添加标签）（#3847，@dbczumar）

更多功能和改进：​

• 允许 Keras 模型使用 SavedModel 格式保存（#3552，@skylarbpayne）
• 添加对 statsmodels flavor 的支持（#3304，@olbapjose）
• 在 mlflow R 客户端中添加对嵌套运行的支持（#3765，@yitao-li）
• 使用 mlflow.azureml.deploy 部署模型现在与 AzureML 跟踪/注册表集成得更好。（#3419，@trangevi）
• 更新 schema 强制执行以处理缺失值的整数（#3798，@tomasatdatabricks）

有关更改的完整列表，请参阅 发布日志，并查看 mlflow.org 上的最新文档。