跳到主要内容

MLflow 1.14.0

·阅读时长2分钟
MLflow maintainers

我们很高兴地宣布 MLflow 1.14.0 版本现已发布！

除了错误和文档修复之外，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) 和模型签名现在支持张量输入。特别是，MLflow 现在内置支持使用张量输入对 PyTorch、TensorFlow、Keras、ONNX 和 Gluon 模型进行评分。更多信息请参见 https://mlflow.org.cn/docs/latest/models.html#deploy-mlflow-models (#3808, #3894, #4084, #4068 @wentinghu; #4041 @tomasatdatabricks, #4099, @arjundc-db)
  • 新增 mlflow.shap.log_explainer、mlflow.shap.load_explainer API，用于记录和加载 shap.Explainer 实例 (#3989, @vivekchettiar)
  • MLflow Python 客户端现在可以通过 mlflow-skinny PyPI 包以更精简的依赖集提供 (#4049, @eedeleon)
  • 新增 RequestHeaderProvider 插件接口，用于在使用 MLflow Python 客户端进行 REST API 请求时传递自定义请求头 (#4042, @jimmyxu-db)
  • mlflow.keras.log_model 现在默认以 TensorFlow SavedModel 格式保存模型，而非旧的 Keras H5 格式 (#4043, @harupy)
  • mlflow_log_model 现在支持在 R 中记录 MLeap 模型 (#3819, @yitao-li)
  • 新增 mlflow.pytorch.log_state_dict、mlflow.pytorch.load_state_dict API，用于记录和加载 PyTorch state dicts (#3705, @shrinath-suresh)
  • mlflow gc 现在可以回收存储在 S3 中的工件 (#3958, @sklingel)

有关完整的更改列表，请参阅版本变更日志，并在mlflow.org上查看最新文档。