我们很高兴地宣布 MLflow 1.20.0 已发布！

注意：MLflow R 包 v1.20.0 尚未发布，但将在几周内发布，因为 CRAN 的提交系统将在 9 月 1 日之前离线。

除了错误修复和文档更新之外，MLflow 1.20.0 还包含以下功能和改进：

• 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）。
• 在 mlflow.*.log_model 和 mlflow.*.save_model 中添加了 pip_requirements 和 extra_pip_requirements，以便直接指定要记录/保存的模型所需的 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. 改进了用于比较运行性能的并行坐标图的可扩展性，
  2. 在实验页面上添加了按启动时间过滤运行的支持，
  3. 在实验页面上添加了运行表列排序的下拉菜单，
  4. 将用于实验页面运行表加载的 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，该错误会导致在选择其他表部分中的列时，运行表中指标部分折叠（#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 Model Registry 功能对 R 的支持（#4527，@bramrodenburg）。
• 为模型评分服务器添加了对定义自定义预测响应包装器的支持（#4611，@Ark-kun）。
• mlflow.*.log_model 和 mlflow.*.save_model 现在会根据当前软件环境自动推断要记录/保存的模型的 pip 依赖项（#4518，@harupy）。
• 引入了对使用 MLflow Models 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 发布日志，并查看 mlflow.org 上的最新文档。