写回答
-
1）Mlflow Tracking：它可以追踪基于学习的实验参数、模型的性能指标以及模型的各种文件。在做机器学习时实验时，通常需要记录一些参数配置以及模型的性能指标，而Mlflow可以帮助用户免去手动记录的操作。它不仅能记录参数，还能记录任意文件，包括模型、图片、源码等。
2）Mlflow Project：基于代码规约来打包训练代码，并指定执行环境、执行入口以及参数等信息，以便复现实验结果。而且这种规范的打包方式能够更方便代码的共享以及平台的迁移。
3）Mlflow Models：支持以统一的方式打包记录和部署多种算法框架模型。训练完模型后，可以使用Mlflow的log-model将模型记录下来，MIflow会自动将模型进行存储(可存储到本地或OSS上)，而后即可在MIlow WebUl上查看模型与代码版本、参数和metric之间的关系，以及模型的存储路径。
4）Mlflow Registry：Mlflow不但能够存储模型，还提供了WebUl以管理模型。WebUl界面上展示了模型的版本和所处的阶段，模型的详情页显示了模型的描述、标签以及schema。其中模型的标签可以用于检索和标记模型，模型的:chema用于表示模型输入和输出的格式。此外，Mlflow还建立了模型以及运行环境、代码和参数之间的关系即模型的血缘。
以上内容摘自《Databricks数据洞悉》电子书，点击https://developer.aliyun.com/topic/download?id=8545可下载完整版
2022-07-29 10:42:56赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
阿里云EMR是云原生开源大数据平台，为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎，计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。
