跳至主内容

MLflow 1.3.0

·一分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.3.0 已发布！

除了若干 bug 修复和文档更新外，MLflow 1.3.0 还包含以下主要功能和改进：

  • Python 客户端现在支持使用 TensorFlow 2.0 记录和加载模型
  • 在使用 SQL 数据库存储的 MLflow 服务器中，获取运行和实验的性能显著提高
  • 新增 GetExperimentByName REST API 端点，在 Python 客户端中用于加速 set_experiment 和 get_experiment_by_name
  • Python 客户端新增 mlflow.delete_run, mlflow.delete_experiment 流畅 API
  • 新增 CLI 命令 (mlflow experiments csv) 用于将实验的运行导出为 CSV 文件
  • 现在可以通过 Python 流畅 API 中的 mlflow.log_artifact 将目录记录为 artifact
  • HTML 和 geojson artifact 现在可在运行 UI 中渲染
  • Keras 自动日志记录支持 fit_generator Keras API
  • 打包为 docker 容器的 MLflow 模型可以通过 Google Cloud Run 执行
  • 在本地执行基于 docker 的 MLflow 项目时，artifact 存储配置会传播到容器中
  • Python、Java、R 客户端和 UI 现在在遇到 429 (请求过多) 错误时会重试 HTTP 请求

有关完整的更改列表，请参阅版本更改日志，并查看 mlflow.org 上的最新文档。