跳到主要内容

·一分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.19.0 已可用!

除了错误和文档修复外,MLflow 1.19.0 还包含以下功能和改进

  • 在 XGBoost 自动日志记录中添加对线性增强器计算的每类特征重要性绘图的支持(#4523@dbczumar
  • 为 R 添加 mlflow_create_registered_modelmlflow_delete_registered_model 以创建/删除注册模型。
  • 添加在恢复运行期间设置标签的支持(#4497@dbczumar
  • MLflow UI 更新(#4490@sunishsheth2009
    • 添加国际化支持框架。
    • 在运行表中将指标列移至参数和标签列之前。
    • 在运行表中,将运行开始时间的显示格式从时间戳(例如 2021-07-14 14:02:10)更改为已用时间(例如 3 分钟前)。

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

·一分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.18.0 已可用!

除了错误和文档修复外,MLflow 1.18.0 还包含以下功能和改进

  • XGBoost、LightGBM 和 scikit-learn 的自动日志记录性能改进(#4416#4473@dbczumar
  • 向 MLflow 模型添加新的 PaddlePaddle 特性(flavor)(#4406#4439@jinminhao
  • 引入分页的 ListExperiments API(#3881@wamartin-aml
  • 包含在 Databricks 上记录的 MLflow 模型的运行时版本(#4421@stevenchen-db
  • MLflow 模型现在除了现有的 conda 格式外,还以 pip requirements.txt 格式记录依赖项(#4409#4422@stevenchen-db
  • 添加支持,限制 scikit-learn 超参数搜索模型自动日志记录创建的子运行数量(#4382@mohamad-arabi
  • 提高在 Databricks 上工件(artifact)上传/下载性能(#4260@dbczumar
  • 将所有模型依赖项从 conda 迁移到“pip”部分(#4393@WeichenXu123

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

·一分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.16.0 已可用!

除了错误和文档修复外,MLflow 1.16.0 还包含以下功能和改进

  • 添加 mlflow.pyspark.ml.autolog() API 用于自动记录 pyspark.ml 估计器(#4228@WeichenXu123
  • 添加 mlflow.catboost.log_modelmlflow.catboost.save_modelmlflow.catboost.load_model API 用于 CatBoost 模型持久化(#2417@harupy
  • 默认情况下启用 mlflow.pyfunc.spark_udf 使用模型签名中的列名(#4236@Loquats
  • 为模型签名添加 datetime 数据类型(#4241@vperiyasamy
  • 添加 mlflow.sklearn.eval_and_log_metrics API,用于计算和记录给定 scikit-learn 模型和带标签数据集的指标。(#4218@alkispoly-db

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

·一分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.15.0 已可用!

除了错误和文档修复外,MLflow 1.15.0 还包含以下功能和改进

  • 向所有自动日志记录 API 添加 silent=False 选项,以允许在自动日志记录设置和训练期间抑制 MLflow 警告和日志记录语句(#4173@dbczumar
  • 向所有自动日志记录 API 添加 disable_for_unsupported_versions=False 选项,以禁用对未明确针对当前 MLflow 客户端版本进行测试的 ML 框架版本的自动日志记录(#4119@WeichenXu123

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

·两分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.14.0 已可用!

除了错误和文档修复外,MLflow 1.14.0 还包含以下功能和改进

  • MLflow 的模型推理 API (mlflow.pyfunc.predict)、内置模型服务工具 (mlflow models serve) 和模型签名现在支持张量输入。特别是,MLflow 现在内置支持使用张量输入对 PyTorch、TensorFlow、Keras、ONNX 和 Gluon 模型进行评分。更多信息,请参阅 https://mlflow.org.cn/docs/latest/models.html#deploy-mlflow-models#3808#3894#4084#4068 @wentinghu#4041 @tomasatdatabricks#4099@arjundc-db
  • 添加新的 mlflow.shap.log_explainermlflow.shap.load_explainer API 用于记录和加载 shap.Explainer 实例(#3989@vivekchettiar
  • MLflow Python 客户端现在可通过 mlflow-skinny PyPI 包获取,依赖项集已减少(#4049@eedeleon
  • 添加新的 RequestHeaderProvider 插件接口,用于在使用 MLflow Python 客户端发出的 REST API 请求中传递自定义请求头(#4042@jimmyxu-db
  • mlflow.keras.log_model 现在默认以 TensorFlow SavedModel 格式保存模型,而不是旧的 Keras H5 格式(#4043@harupy
  • mlflow_log_model 现在支持在 R 中记录 MLeap 模型(#3819@yitao-li
  • 添加 mlflow.pytorch.log_state_dictmlflow.pytorch.load_state_dict 用于记录和加载 PyTorch state dicts(#3705@shrinath-suresh
  • mlflow gc 现在可以垃圾回收存储在 S3 中的工件(artifact)(#3958@sklingel

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

·一分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.13.1 已可用!

MLflow 1.13.1 是一个补丁版本,包含错误修复和小幅更改

  • 修复导致 Spark 自动日志记录忽略 mlflow.autolog() 指定的配置选项的错误(#3917@dbczumar
  • 修复导致在 TensorFlow 自动日志记录期间指标丢失的错误(#3913#3914@dbczumar
  • 修复在 PyTorch Lightning 自动日志记录中优化器名称参数值不正确的问题(#3901@harupy
  • 修复影响 MySQL 数据库的模型注册表数据库 allow_null_for_run_id 迁移失败问题(#3836@t-henri
  • 修复在传递非规范化阶段名称时 transition_model_version_stage 失败的问题(#3929@harupy
  • 修复导致 AzureML 模型部署失败的未定义变量错误(#3922@eedeleon
  • 将 scikit-learn 在 MLflow 模型 conda 环境中重新分类为 pip 依赖项(#3896@harupy
  • 修复由带有冗余斜杠的工件(artifact)URI 导致的实验视图崩溃和工件视图不一致问题(#3928@dbczumar

·两分钟阅读
MLflow maintainers

我们很高兴地宣布 MLflow 1.13.0 已可用!

除了错误和文档修复外,MLflow 1.13.0 还包含以下功能和改进

用于将内存对象记录为工件(artifact)的新流畅 API:

  • 添加 mlflow.log_text,用于将文本记录为工件(artifact)(#3678@harupy
  • 添加 mlflow.log_dict,用于将字典记录为工件(artifact)(#3685@harupy
  • 添加 mlflow.log_figure,用于将图形对象记录为工件(artifact)(#3707@harupy
  • 添加 mlflow.log_image,用于将图像对象记录为工件(artifact)(#3728@harupy

UI 更新/修复:

  • 在紧凑的实验表格视图中添加模型版本链接
  • 在实验运行页面视图中添加记录/注册模型的链接
  • 增强 MLflow 模型的工件(artifact)查看器
  • 模型注册表 UI 设置现在在浏览器会话之间持久保存
  • 向模型版本表添加模型版本描述字段

#3867@smurching

自动日志记录增强功能:

更多功能和改进:

  • 允许使用 SavedModel 格式保存 Keras 模型(#3552@skylarbpayne
  • 添加对 statsmodels 特性(flavor)的支持(#3304@olbapjose
  • 在 mlflow R 客户端中添加对嵌套运行的支持(#3765@yitao-li
  • 使用 mlflow.azureml.deploy 部署模型现在更好地与 AzureML 跟踪/注册表集成。(#3419@trangevi
  • 更新模式强制,以处理带有缺失值的整数(#3798@tomasatdatabricks

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

·一分钟阅读
MLflow maintainers

MLflow 1.12.1 是一个补丁版本,包含错误修复和小幅更改

MLflow 1.12.1 是一个补丁版本,包含错误修复和小幅更改

  • 修复跨工作区模型版本的 run_link(#3681@sueann
  • 移除 sklearn 自动日志记录对 matplotlib 的硬依赖(#3703@dbczumar
  • 初始化 alembic 时不要禁用现有日志记录器(#3653@arthury1n