Databricks釋出MLflow 0.8.0,改善實驗用UI、可以Docker容器部署模型到Azure上

Databricks釋出MLflow 0.8.0,改善實驗用UI、可以Docker容器部署模型到Azure上 MLflow 0.8.0改善四個使用者介面功能,分別是緊湊的指標和參數顯示、巢狀執行(Nesting Runs)、標記執行(Labeling Runs)、以及記憶使用者介面設定。 文/李建興 | 2018-11-23發表 由Apache Spark技術團隊所創立的Databricks,積極更新其在6月釋出的開源機器學習平臺MLflow,現在釋出0.8.0版本,這次更新重點在於改進使用者介面,並且現在還能透過Docker容器,直接將模型部署到Azure機器學習服務中。使用者已經可以在PyPI上取得最新的MLflow 0.8.0。MLflow 0.8.0主要改善了MLflow的使用者介面,以增進追蹤和分類實驗的使用者體驗,改善的工作主要有四個部分,分別是緊湊的指標和參數顯示、巢狀執行(Nesting Runs)、標記執行(Labeling Runs)、以及記憶使用者介面設定。為了避免度量指標和參數顯示過於凌亂,或是超出欄位可以顯示空間,現在系統會預設將這些數字組合在單一表格列中,如此每一次執行實驗的參數和指標都會顯示在附近,使用者可以透過單擊每個參數和指標,將其顯示在單獨的欄位中,或是按排序以客製化的方式顯示。在MLflow 0.8.0中,使用者介面開始提供巢狀執行。對於一般用於搜尋超參數或是多步驟工作流程的巢狀MLflow執行,使用者介面現在將在每個父執行下方顯示可折疊樹,而這將使得組織以及視覺化多步驟流程更加容易。另外, MLflow還開始提供標記執行,雖然MLflow預設為每次實驗提供一個UUID,但使用者現在也可以用API,為每次執行分配一個名稱,也可以直接在使用者介面中編輯這些名稱。MLflow使用者介面現在還會記住本機瀏覽器儲存的過濾器、排序和欄位配置,使用者不再需要每次重新設定視圖。MLflow也重新修改了Azure機器學習部署工具,使用者現在可以利用更新的Azure ML SDK,來部署打包成Docker容器的MLflow模型。使用mlflow.azureml模組,使用者可以將python_function模型打包到Azure ML容器映像檔中,並將這個映像檔部署到Azure Kubernetes服務(AKS)和Azure容器執行個體(ACI)平臺上,以提供即時服務。

更多訊息更多資料都在這裡喔!~網站排名~蜂王乳~蜂王漿~保健食品~超視王~芙婷寶~智勝王~GOOGLE排名~葉黃素~PPLS~磷蝦油~SEO~關鍵字排名~維力康~健康食品~神經滋養物質~南極冰洋磷蝦油~台灣綠蜂膠

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *