MLflow PyTorch 风格

介绍

PyTorch 是一个由Facebook的人工智能研究实验室开发的开源机器学习库。它提供了一个灵活且直观的深度学习框架，特别受到其动态计算图（eager模式）的青睐，相比于静态图框架（graph模式），它提供了更符合Python风格的开发流程。PyTorch在大规模数据处理和神经网络训练方面非常高效。由于其易用性和强大的社区支持，PyTorch已成为AI领域研究人员和开发者的热门选择。

MLflow 内置了对 PyTorch 工作流的支持（我们称之为 MLflow PyTorch 风格），在 MLflow 的高层次上，我们提供了一组 API 用于：

• 简化实验跟踪：在模型训练期间记录参数、指标和模型。

• 实验管理：将您的 PyTorch 实验存储在 MLflow 服务器中，您可以通过 MLflow UI 查看和共享它们。

• 轻松部署：通过简单的API调用部署PyTorch模型，适用于各种生产环境。

5 分钟快速开始使用 MLflow PyTorch 风格

Quickstart with MLflow PyTorch Flavor

Learn how to leverage MLflow for tracking PyTorch experiments and models.

使用 MLflow 的 PyTorch 开发者指南

要了解更多关于 MLflow 中 pytorch 风格的细微差别，请阅读开发者指南。它将引导您了解以下主题：

View the Developer Guide

• 使用 MLflow 记录 PyTorch 实验：如何将 PyTorch 实验记录到 MLflow，包括训练指标、模型参数和训练超参数。

• 使用 MLflow 记录你的 PyTorch 模型：如何使用 MLflow 记录你的 PyTorch 模型，以及如何加载它们以进行推理。