跳到主要内容

MLflow 1.20.0

·2分钟阅读
MLflow maintainers

我们很高兴宣布 MLflow 1.20.0 现已发布！

注意：MLflow 1.20.0 的 R 软件包尚未发布，但由于 CRAN 的提交系统将离线至9月1日，预计会在一周内发布。

除了错误修复和文档更新外，MLflow 1.20.0 还包含以下特性和改进

  • scikit-learn 的自动日志记录现在可以在调用 scikit-learn 评估 API（例如 sklearn.metrics.mean_squared_error）时记录训练后指标（#4491, #4628 #4638, @WeichenXu123）
  • PySpark ML 的自动日志记录现在可以在调用模型评估 API（例如 Evaluator.evaluate()）时记录训练后指标（#4686, @WeichenXu123）
  • 为 mlflow.*.log_model 和 mlflow.*.save_model 添加了 pip_requirements 和 extra_pip_requirements 参数，用于直接指定要记录/保存的模型的 pip 依赖项（#4519, #4577, #4602, @harupy）
  • 在 PySpark CrossValidator 自动日志记录期间记录的训练指标中添加了 stdMetrics 条目（#4672, @WeichenXu123）
  • MLflow UI 更新
    1. 改进了用于运行性能比较的平行坐标图的可伸缩性，
    2. 在实验页面上添加了基于运行开始时间进行过滤的支持，
    3. 在实验页面上为运行表格列排序添加了下拉菜单，
    4. 将实验页面上用于加载运行表格的 AG Grid 插件升级到 25.0.0 版本，
    5. 修复了实验页面上的一个错误，该错误导致在选择其他表格部分的列时，运行表格的指标部分会折叠（#4712, @dbczumar）
  • 为 PyTorch Lightning 的自动日志记录添加了对分布式执行的支持（#4717, @dbczumar）
  • 扩展了 R 对模型注册表功能的支持（#4527, @bramrodenburg）
  • 添加了模型评分服务器支持，用于定义自定义预测响应包装器（#4611, @Ark-kun）
  • mlflow.*.log_model 和 mlflow.*.save_model 现在会根据当前的软件环境自动推断要记录/保存的模型的 pip 依赖项（#4518, @harupy）
  • 引入了使用 MLflow 模型运行 Sagemaker Batch Transform 作业的支持（#4410, #4589, @YQ-Wang）

有关更改的完整列表，请参阅版本更改日志，并查看 mlflow.org 上的最新文档。