An open source platform for the machine learning lifecycle https://mlflow.org/

• 为开发者提供类似谷歌TFX、Facebook FBLearner Flow等平台类似好处

• 可以支持任何工具和算法

• 记录和查询实验：代码、数据、配置和结果

• https://www.mlflow.org/docs/latest/tracking.html

• 可在任何平台上重复运行的打包格式

• https://www.mlflow.org/docs/latest/projects.html

• 将模型发送到各种部署工具的通用格式

• https://www.mlflow.org/docs/latest/models.html

• 中央存储库：存储、注释、发现和管理模型

• https://mlflow.org/docs/latest/model-registry.html

• Anaconda环境安装，可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本

• examples/mlflow_tracking.py

cd examples
mlflow ui

# 模型生成
python3 sklearn_logistic_regression/train.py
# API启动
mlflow models serve -m runs:/<Model_id>/model --port 1234
可能报错：mlflow.utils.process.ShellCommandException: Non-zero exitcode: 1
mlflow models serve -m runs:/<Model_id>/model --port 1234 --no-conda

• https://github.com/mlflow/mlflow/tree/master/examples/multistep_workflow

• 官方待引入（MLflow Monitoring）

• MLFlow现阶段还是类似Pipeline的辅助工具，定义了Pipeline工具和标准，缺少AI平台概念

• 如何与Spark、Docker做集成

That's all!