MLflow：管理机器学习生命周期的工具
MLflow是一个开源平台，专为帮助机器学习从业者和团队应对机器学习过程中的复杂性而设计。MLflow专注于机器学习项目的全生命周期，确保每个阶段都可管理、可追踪且可复现。
MLflow 入门资源
如果您是初次探索MLflow，这里的教程和指南是绝佳的起点。这些内容的重点在于让您快速掌握基本功能、术语、API以及使用MLflow的通用最佳实践，从而帮助您在特定领域的指南和教程中更好地学习。
- 了解MLflow
- MLflow 基础
- MLflow 模型简介
- GenAI 快速入门
- 深度学习快速入门
GenAI与MLflow
探索MLflow中全面以GenAI为重点的支持。从用于GenAI模型的MLflow部署，到提示工程UI及原生专注于GenAI的MLflow扩展库（如open-ai、transformers和sentence-transformers），这里的教程和指南将帮助您开始利用这些强大模型、服务和应用程序的优势。您将了解MLflow如何简化使用GenAI模型及开发基于它们的解决方案。MLflow涵盖了诸如提示开发、提示评估、基础模型比较、微调、日志记录以及部署生产级推理服务器等重要任务。
探索以下指南和教程，开启您的旅程！
- GenAI 集成
- 追踪
- 提示工程用户界面
- MLflow AI 网关
- GenAI 评估
- RAG
探索原生MLflow GenAI集成
Transformer模型
OpenAI
LangChain
LlamaIndex
句子转换器
了解如何使用MLflow Tracing来监控您的GenAI工作负载
指南
-
了解如何在MLflow中利用Tracing
-
查看Tracing Guide获取更多关于追踪的信息
-
了解如何结合OpenAI使用MLflow自动日志记录功能实现追踪日志自动化
-
探索MLflow自动日志功能中的自动化LangChain追踪日志
探索提示工程用户界面
快速入门
了解如何使用Prompt Engineering UI
了解通过MLflow AI Gateway对GenAI服务的托管访问
了解GenAI评估
了解如何在MLflow中使用检索增强生成(RAG)
在任何地方运行MLflow
MLflow 可以在多种环境中使用，包括本地环境、本地集群、云平台和托管服务。作为一个开源平台，MLflow 是供应商中立的；无论您在哪里进行机器学习，都可以使用 MLflow 的核心功能集，如跟踪、评估、可观测性等。
在本地环境中运行MLflow服务器或使用直接访问模式(无需服务器)来运行MLflow。点击卡片了解更多。
Databricks托管的MLflow是一个免费的、完全托管的解决方案，与Databricks ML/AI生态系统（如Unity Catalog、模型服务等）无缝集成。
MLflow on Amazon SageMaker is a fully managed service for MLflow on AWS infrastructure,integrated with SageMaker's core capabilities such as Studio, Model Registry, and Inference.
Azure Machine Learning工作区与MLflow兼容，允许您像使用MLflow服务器一样使用Azure Machine Learning工作区。
Nebius, a cutting-edge cloud platform for GenAI explorers, offers a fully managed service for MLflow, streamlining LLM fine-tuning with MLflow's robust experiment tracking capabilities.
您可以在本地或云托管的Kubernetes集群上使用MLflow。点击此卡片了解如何在您自己的基础设施上托管MLflow。