MLflow
一款开源工具,用于记录和管理构建、实验、部署机器学习模型的整个过程。
简单来说
MLflow 是一款像日记一样记录机器学习模型构建过程的工具。打个做菜的比喻,如果同一个菜谱要反复尝试几十种不同做法,它就像一本笔记本,每次都记下食材比例和口味评价。它能让你事后一目了然地比较:用什么设置训练的,效果如何,哪个版本最好。
做出一个完整的模型往往需要不断更换数据、调整参数,反复训练上百次,这个过程中很难靠人力一一记住哪次尝试效果最好。MLflow 会自动保存这些实验记录,还能管理训练完成的模型,方便日后保存并接入实际服务。它由 Databricks 开发,是一款被广泛使用的开源工具,许多公司和开发者都可以自由使用。
亲手试一试
想亲自体验 MLflow,可以在装有 Python 的环境中尝试以下步骤,大致就能明白它的用法。
- 用 pip install mlflow 命令安装。
- 在平时用的模型训练代码前后各加一行代码,分别用于开始和结束实验记录。
- 训练结束后,访问屏幕上显示的地址,就能看到刚才那次训练的设置值和结果分数被整理成表格。
- 用同样的代码只改变设置值,再多跑两三次,然后看看结果是如何并排比较呈现的。