我们很高兴地宣布 MLflow 1.14.0 已发布！

除了错误修复和文档更新之外，MLflow 1.14.0 还包含以下功能和改进：

• MLflow 的模型推理 API（mlflow.pyfunc.predict）、内置模型服务工具（mlflow models serve）和模型签名现已支持张量（tensor）输入。特别是，MLflow 现在为使用张量输入 scoring PyTorch、TensorFlow、Keras、ONNX 和 Gluon 模型提供了内置支持。更多信息，请参阅 https://mlflow.org.cn/docs/latest/models.html#deploy-mlflow-models （#3808、#3894、#4084、#4068 @wentinghu；#4041 @tomasatdatabricks、#4099、@arjundc-db）
• 添加了新的 mlflow.shap.log_explainer、mlflow.shap.load_explainer API，用于记录和加载 shap.Explainer 实例（#3989、@vivekchettiar）
• 通过 mlflow-skinny PyPI 包，MLflow Python 客户端现在可以使用更少的依赖项（#4049、@eedeleon）
• 添加了新的 RequestHeaderProvider 插件接口，用于在 MLflow Python 客户端发起的 REST API 请求中传递自定义请求头（#4042、@jimmyxu-db）
• mlflow.keras.log_model 现在默认以 TensorFlow SavedModel 格式保存模型，而不是旧的 Keras H5 格式（#4043、@harupy）
• mlflow_log_model 现在支持在 R 中记录 MLeap 模型（#3819、@yitao-li）
• 添加了 mlflow.pytorch.log_state_dict、mlflow.pytorch.load_state_dict，用于记录和加载 PyTorch state dict（#3705、@shrinath-suresh）
• mlflow gc 现在可以对存储在 S3 中的工件执行垃圾回收（#3958、@sklingel）

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