MLflow 1.13.0

我们很高兴宣布 MLflow 1.13.0 可用！

除了错误和文档修复外，MLflow 1.13.0 还包括以下特性和改进

用于将内存对象记录为工件的新 Fluent API：

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

UI 更新/修复：

• 在紧凑实验表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/已注册模型链接
• 增强 MLflow 模型工件查看器
• 模型注册表 UI 设置现在跨浏览器会话持久保存
• 将模型版本 description 字段添加到模型版本表

(#3867, @smurching)

自动记录增强功能：

• 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)
• 添加用于自动记录的 disable 配置选项 (#3682, #3815, dbczumar; #3838, @mohamad-arabi; #3854, #3855, #3861, @harupy)
• 添加用于自动记录的 exclusive 配置选项 (#3851, @apurva-koti; #3869, @dbczumar)
• 添加用于自动记录的 log_models 配置选项 (#3663, @mohamad-arabi)
• 在自动记录的运行上设置标签以便于识别（并将标签添加到 start_run） (#3847, @dbczumar)

更多特性和改进：

• 允许 Keras 模型以 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 部署模型现在能更好地与 AzureML 跟踪/注册表集成。 (#3419, @trangevi)
• 更新 Schema Enforcement 以处理带有缺失值的整数 (#3798, @tomasatdatabricks)

有关更改的完整列表，请参阅发布版本更新日志，并查看 mlflow.org 上的最新文档。