发布版本 | MLflow 平台

MLflow experiments REST API 和 mlflow experiments create 现在支持提供 --artifact-location
[UI] 运行现在可以按列排序，并添加了“全选”按钮
添加了 Databricks File System (DBFS) 制品库支持
databricks-cli 版本升级到 >= 0.8.0 以支持新的 DatabricksConfigProvider 接口

访问更改日志阅读关于新功能的信息。

MLflow 0.4.1

2018 年 8 月 3 日 ·阅读约一分钟

我们很高兴宣布 MLflow 0.4.1 已发布！

MLflow 0.4.1 提供了一些改进和小的错误修复

[Projects] 如果指定了 $MLFLOW_CONDA_HOME，MLflow 将使用该变量指定的 conda 安装目录（例如，通过调用 "$MLFLOW_CONDA_HOME/bin/conda" 运行 conda 命令），否则默认为运行 "conda"。
[UI] 对于从 http(s):// GitHub URL 运行的项目，在 UI 中显示 GitHub 链接 (#235, @smurching)

访问更改日志阅读关于新功能的信息。

2018 年 8 月 1 日 ·阅读约 2 分钟

我们很高兴宣布 MLflow 0.4.0 已发布！

MLflow 0.4.0 版本已准备就绪，于 2018-08-01 发布。该版本已在 PyPI 上提供，文档也已更新。以下是发布说明（也可在 GitHub 上获取）

破坏性更改

[Projects] 移除了 mlflow.projects.run() 的 use_temp_cwd 参数（mlflow run CLI 中的 --new-dir 标志）。本地项目的运行现在使用本地项目目录作为其工作目录。Git 项目仍会获取到临时目录中 (#215, @smurching)
[Tracking] GCS 制品存储现在是一个可插拔的依赖项（不再默认安装）。要启用 GCS 支持，请通过 pip 在客户端和跟踪服务器上安装 google-cloud-storage (#202, @smurching)。
[Tracking] 由于修复了确保客户端在向服务器发送数据时不再将 JSON 双重序列化为字符串的问题，运行 MLflow 0.4.0 及以上版本的客户端需要运行 MLflow 0.4.0 或以上版本的服务器 (#200, @aarondav)。然而，MLflow 0.4.0 服务器仍然向后兼容旧版客户端 (#216, @aarondav)

功能

[Examples] 添加一个更高级的跟踪示例：将 MLflow 与 PyTorch 和 TensorBoard 结合使用 (#203)
[Models] H2O 模型支持 (#170, @ToonKBC)
[Projects] 支持在 Git 仓库的子目录中运行项目 (#153, @juntai-zheng)
[SageMaker] 支持在部署到 SageMaker 时指定计算规格 (#185, @dbczumar)
[Server] 为 MLflow UI 和服务器添加了 --static-prefix 选项，以从指定前缀提供 UI 服务 (#116, @andrewmchen)
[Tracking] 对制品的 Azure blob 存储支持 (#206, @mateiz)
[Tracking] 添加对 Databricks 支持的 RestStore 的支持 (#200, @aarondav)
[UI] 通过添加 CSRF 支持来启用前端生产化 (#199, @aarondav)
[UI] 更新指标和参数过滤器，允许用户控制列顺序 (#186, @mateiz)

错误修复

访问更改日志阅读关于新功能的信息。

2018 年 7 月 18 日 ·阅读约 2 分钟

我们很高兴宣布 MLflow 0.3.0 已发布！

MLflow 0.3.0 版本已准备就绪，于 2018-07-18 发布。该版本已在 PyPI 上提供，文档也已更新。以下是发布说明

破坏性更改

[MLflow Server] 在 mlflow server 中将 --artifact-root 参数重命名为 --default-artifact-root，以更好地反映其用途 (#165, @aarondav)

功能

Spark MLlib 集成：我们现在支持直接在 log_model API、模型格式和 serving API 中记录 SparkML 模型 (#72, @tomasatdatabricks)
现在支持将 Google Cloud Storage 作为制品存储根目录 (#152, @bnekolny)
支持 MLflow 运行的异步/并行执行 (#82, @smurching)
[SageMaker] 支持删除、更新通过 SageMaker 部署的应用程序 (#145, @dbczumar)
[SageMaker] 现在推送 MLflow SageMaker 容器包含发布时所使用的 MLflow 版本 (#124, @sueann)
[SageMaker] 通过提供合理的默认值来简化 SageMaker 部署参数 (#126, @sueann)
[UI] 现在单元素的指标会显示为条形图 (#118, @cryptexis)

错误修复

要求 gitpython>=2.1.0 (#98, @aarondav)
修复了 TensorFlow 模型加载，使其列与导出模型的输出名称匹配 (#94, @smurching)
修复了列数 >= 10 时 SparkUDF 的问题 (#97, @aarondav)
来自 @emres、@dmatrix、@stbof、@gsganden、@dennyglee、@anabranch、@mikehuston、@andrewmchen、@juntai-zheng 的杂项错误和文档修复

访问更改日志阅读关于新功能的信息。

2018 年 6 月 28 日 ·阅读约一分钟

我们很高兴宣布 MLflow 0.2.1 已发布！

这是修复 0.2.0 版本发布后一些小问题的补丁版本。

访问更改日志阅读关于新功能的信息。