跳过主内容

·阅读时长 1 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.12.0 已发布！

除了错误修复和文档改进之外，MLflow 1.12.0 还包括几项主要功能和改进，特别是 MLflow 的 PyTorch 集成和自动日志记录方面的诸多改进。

PyTorch

  • mlflow.pytorch.log_model、mlflow.pytorch.load_model 现在支持记录/加载 TorchScript 模型 (#3557, @shrinath-suresh)
  • mlflow.pytorch.log_model 支持传递 requirements_file 和 extra_files 参数，以便在模型之外记录额外的工件 (#3436, @shrinath-suresh)

自动日志记录

  • 添加通用 mlflow.autolog，该 API 为所有支持的集成启用自动日志记录 (#3561, #3590, @andrewnitu)
  • 添加 mlflow.pytorch.autolog API，用于自动记录 Pytorch Lightning 训练中的指标、参数和模型 (#3601, @shrinath-suresh, #3636, @karthik-77)。此 API 也通过 mlflow.autolog 启用。
  • Scikit-learn、XGBoost 和 LightGBM 的自动日志记录现在支持记录模型签名和输入示例 (#3386, #3403, #3449, @andrewnitu)
  • mlflow.sklearn.autolog 现在支持记录指标（例如准确度）和图表（例如混淆矩阵热力图）(#3423, #3327, @willzhan-db, @harupy)

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。

·阅读时长 2 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.11.0 已发布！

除了错误修复和文档改进之外，MLflow 1.11.0 还包括以下功能和改进

  • 新的 mlflow.sklearn.autolog() API，用于自动记录 scikit-learn 模型训练中的指标、参数和模型 (#3287, @harupy; #3323, #3358 @dbczumar)
  • 已注册模型和模型版本创建 API 现在支持指定初始 description (#3271, @sueann)
  • R 中的 mlflow_log_model 和 mlflow_load_model API 现在支持 XGBoost 模型 (#3085, @lorenzwalthert)
  • 新的 mlflow.list_run_infos 流畅 API，用于列出运行元数据 (#3183, @trangevi)
  • 在模型版本和模型版本比较 UI 中添加了用于可视化和比较模型模式的部分 (#3209, @zhidongqu-db)
  • 增强了跨 Databricks 工作区使用模型注册表的支持：支持从工作区外部向 Databricks 工作区注册模型 (#3119, @sueann)，跟踪这些模型的运行谱系 (#3128, #3164, @ankitmathur-db; #3187, @harupy)，以及针对远程 Databricks 模型注册表调用 mlflow.<flavor>.load_model (#3330, @sueann)
  • UI 支持设置/删除已注册模型和模型版本标签 (#3187, @harupy)
  • UI 支持在将新模型版本转换为 staging/production 时归档模型的现有 staging/production 版本 (#3134, @harupy)

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。

·阅读时长 1 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.10.0 已发布！

除了错误修复和文档改进之外，MLflow 1.10.0 还包括以下功能和改进

  • MlflowClient.transition_model_version_stage 现在支持 archive_existing_versions 参数，用于在将新模型版本转换为 staging 或 production 时归档现有 staging 或 production 模型版本 (#3095, @harupy)
  • 添加了 set_registry_uri、get_registry_uri API。设置模型注册表 URI 会使 mlflow.register_model 等流畅 API 与指定 URI 处的模型注册表通信 (#3072, @sueann)
  • 添加了分页的 MlflowClient.search_registered_models API (#2939, #3023, #3027 @ankitmathur-db; #2966, @mparkhe)
  • 在 MLflow runs UI 中查看文本文件（如 YAML）时添加了语法高亮功能 (#3041, @harupy)

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。

·阅读时长 1 分钟
MLflow maintainers

MLflow 1.9.1 是一个补丁版本，包含多项错误修复和改进

  • 修复了在序列化 Python MlflowClient 类实例时出现的 AttributeError 错误 (#2955, @Polyphenolx)
  • 修复了阻止在模型注册表 UI 中更新模型版本描述的错误 (#2969, @AnastasiaKol)
  • 修复了从 Java 向 DatabricksArtifactRepository 记录工件时凭据未正确传播到工件 CLI 命令的错误 (#3001, @dbczumar)
  • 移除了新 MLflow 模型模式功能中对新 Pandas API 的使用，以便它可以与旧版 Pandas 一起使用 (#2988, @aarondav)

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。

·阅读时长 1 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.9.0 已发布！

除了错误修复和文档改进之外，MLflow 1.9.0 还包括以下主要功能和改进

  • log_model 和 save_model API 现在支持保存模型签名（模型的输入和输出模式）和示例输入以及模型本身 (#2698, #2775, @tomasatdatabricks)。在使用 pyfunc 风格、mlflow models CLI 命令或 mlflow.pyfunc.spark_udf 对模型进行评分/服务时，模型签名用于重新排序和验证输入字段 (#2920, @tomasatdatabricks 和 @aarondav)
  • 在 mlflow.fastai 下引入 fastai 模型持久化和自动日志记录 API (#2619, #2689 @antoniomdk)
  • 添加可插拔的 mlflow.deployments API 和 CLI，用于将模型部署到自定义服务工具，例如 RedisAI (#2327, @hhsecond)
  • 添加插件接口，用于针对自定义后端执行 MLflow 项目 (#2566, @jdlesage)
  • 启用在 runs UI 中查看作为工件记录的 PDF 文件 (#2859, @ankmathur96)
  • UI 中指标比较和散点图的性能和可扩展性得到显著改进 (#2447, @mjlbach)

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。

·阅读时长 1 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.8.0 已发布！

除了错误修复和文档改进之外，MLflow 1.8.0 还包括以下主要功能和改进

  • 添加了 mlflow.azureml.deploy API，用于将 MLflow 模型部署到 AzureML (#2375 @csteegz, #2711, @akshaya-a)
  • 添加了 mlflow.spacy 模块，支持记录和加载 spaCy 模型 (#2242, @arocketman)
  • 添加了从已注册模型 UI 比较与模型版本关联的源运行的功能 (#2537, @juntai-zheng)
  • MLflow 指标 UI 图现在可以使用 scattergl 渲染数千个点 (#2447, @mjlbach)

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。

·阅读时长 1 分钟
MLflow maintainers

MLflow 1.7.1 是一个包含错误修复和少量更改的补丁版本

  • 移除了 Java 包中 Nonnull 注解的使用和 findbugs 依赖。
  • 在 Python 包的 sqlalchemy 依赖中添加了版本上限 (<=1.3.13)
  • 文档修复

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。

·阅读时长 1 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.7.0 已发布！

除了错误修复和文档改进之外，MLflow 1.7.0 还包括以下主要更改

  • 对 Python 2 的支持已弃用，并将在未来的版本中移除。届时，现有使用 MLflow 的 Python 2 工作流程将继续工作而无需修改，但 Python 2 用户将无法获得最新的 MLflow 功能和错误修复。

  • 模型注册表 REST API 的重大更改

    • 模型注册表 REST API 已更新，以与其他 MLflow API 更加一致，并且旨在在下一个主要版本之前保持稳定。
    • 模型注册表的 Python 和 Java 客户端 API 向后兼容，并已更新为使用新的 REST API。

此外，版本 1.7.0 还添加了一些 UI 和后端功能。有关更改的完整列表，请参阅发布日志，并查看 https://mlflow.org.cn/ 上的最新文档。

·阅读时长 1 分钟
MLflow maintainers

我们很高兴宣布 MLflow 1.6.0 已发布！

MLflow 1.6.0 包含了更好的 runs 表界面、一个用于简化参数调优的实用程序，以及来自 XGBoost、LightGBM 和 Spark 的自动日志记录。它还包括错误和文档修复，其中包括一个期待已久的允许数据库 URL 中使用“@”符号的修复。

有关更改的完整列表，请参阅发布日志，并查看 https://mlflow.org.cn/ 上的最新文档。