我们很高兴地宣布 MLflow 2.2.0 已发布！

MLflow 2.2.0 包含多项重大功能和改进

功能

• [Recipes] 为分类 recipe 添加了对分数校准的支持 (#7744, @sunishsheth2009)
• [Recipes] 为分类 recipe 添加了自动标签编码 (#7711, @sunishsheth2009)
• [Recipes] 支持分类和回归 recipe 中的自定义数据拆分逻辑 (#7815, #7588, @sunishsheth2009)
• [Recipes] 为分类和回归 recipe 引入了可自定义的 MLflow Run 名称前缀 (#7746, @kamalesh0406; #7763, @sunishsheth2009)
• [UI] 为 MLflow 实验页面添加了新的图表视图，用于模型性能洞察 (#7864, @hubertzub-db, @apurva-koti, @prithvikannan, @ridhimag11, @sunishseth2009, @dbczumar)
• [UI] 现代化并改进了用于模型调优的平行坐标图 (#7864, @hubertzub-db, @apurva-koti, @prithvikannan, @ridhimag11, @sunishseth2009, @dbczumar)
• [UI] 为 MLflow 实验页面的搜索栏添加了类型前自动提示建议 (#7864, @hubertzub-db, @apurva-koti, @prithvikannan, @ridhimag11, @sunishseth2009, @dbczumar)
• [UI] 提高了大型实验数量下实验侧边栏的性能 (#7804, @jmahlik)
• [Tracking] 引入了对原生 PyTorch 模型 autologging 的支持 (#7627, @temporaer)
• [Tracking] 在 autologging XGBoost 模型时允许指定 model_format (#7781, @guyrosin)
• [Tracking] 添加了 MLFLOW_ARTIFACT_UPLOAD_DOWNLOAD_TIMEOUT 环境变量以配置 artifact 操作超时 (#7783, @wamartin-aml)
• [Artifacts] 从 mlflow server 下载 artifact 时包含 Content-Type 响应头 (#7827, @bali0019)
• [Model Registry] 在 Java 客户端中引入了 searchModelVersions() API (#7880, @gabrielfu)
• [Model Registry] 为 MlflowClient.search_model_versions() 引入了 max_results, order_by 和 page_token 参数 (#7623, @serena-ruan)
• [Models] 支持通过外部数据记录大型 ONNX 模型 (#7808, @dogeplusplus)
• [Models] 添加了对记录 Spark 中拟合的 Diviner 模型支持 (#7800, @BenWilson2)
• [Models] 引入了 MLFLOW_DEFAULT_PREDICTION_DEVICE 环境变量，用于设置 pyfunc 模型推理的设备 (#7922, @ankit-db)
• [Scoring] 在 github.com/mlflow/mlflow/pkgs 上发布了 MLflow 模型评分服务器的官方 Docker 镜像 (#7759, @dbczumar)

错误修复

• [Recipes] 修复了自定义数据集源在 ingest 步骤中的数据集格式验证 (#7638, @sunishsheth2009)
• [Recipes] 修复了训练期间识别最差性能样本中的错误 (#7658, @sunishsheth2009)
• [Recipes] 确保调用 inspect() 时 recipe 图的渲染一致性 (#7852, @sunishsheth2009)
• [Recipes] 在 transform 步骤中正确处理 positive_class 配置 (#7626, @sunishsheth2009)
• [Recipes] 使记录的指标名称与 mlflow.evaluate() 保持一致 (#7613, @sunishsheth2009)
• [Recipes] 将 run_id 和 artifact_path 键添加到记录的 MLmodel 文件中 (#7651, @sunishsheth2009)
• [UI] 修复了 UI 中实验名称、模型名称和标签键验证的错误 (#7818, @subramaniam02)
• [Tracking] 在创建实验时将 artifact 位置解析为绝对路径 (#7670, @bali0019)
• [Tracking] 从 Spark 数据源 autologging 中排除 Delta 检查点 (#7902, @harupy)
• [Tracking] 当指标不存在时，一致地从 GetMetricHistory 返回空列表 (#7589, @bali0019; #7659, @harupy)
• [Artifacts] 修复了在 Windows 上对 UNC 格式路径的 artifact 操作支持 (#7750, @bali0019)
• [Artifacts] 修复了 HDFS artifact 列表中的错误 (#7581, @pwnywiz)
• [Model Registry] 在 mlflow server 中禁止使用本地文件系统源创建模型版本 (#7908, @harupy)
• [Model Registry] 修复了 FileStore 中已删除模型版本的处理 (#7716, @harupy)
• [Model Registry] 独立于 MLflow Tracking 正确初始化 Model Registry SQL 表 (#7704, @harupy)
• [Models] 在使用 pyfunc 进行推理时，正确地将 PyTorch 模型输出从 GPU 移到 CPU (#7885, @ankit-db)
• [Build] 修复了与使用 PYTHONOPTIMIZE=2 编译的 Python 安装的兼容性问题 (#7791, @dbczumar)
• [Build] 修复了与即将发布的 pandas 2.0 版本的兼容性问题 (#7899, @harupy; #7910, @dbczumar)

文档更新

• [Docs] 添加了使用 MLflow 保存和加载 Spark MLlib 模型的示例 (#7706, @dipanjank)
• [Docs] 添加了 mlflow.lightgbm API 的使用示例 (#7565, @canerturkseven)
• [Docs] 添加了使用 sktime 进行自定义模型 flavor 创建的示例 (#7624, @benjaminbluhm)
• [Docs] 澄清了 mlflow.evaluate() 中 precision_recall_auc 指标的计算 (#7701, @BenWilson2)
• [Docs] 删除了过时的示例链接 (#7587, @asloan7)

有关更改的完整列表，请参阅 发布更改日志，并访问 mlflow.org 上的最新文档。