MLflow是开源工具吗机器学习实验跟踪和生命周期管理。开发和持续发展机器学习模型的工作流包括一系列实验(运行的集合)、跟踪这些实验的性能(指标的集合)以及跟踪和调整模型(项目)。MLflow通过支持现有的开放标准很好地简化了这个工作流,并与生态系统中的许多其他工具很好地集成在一起。MLflow作为Databricks管理的服务在云上,可用AWS和Azure,正在迅速成熟,我们已经在我们的项目中成功地使用了它。我们发现MLflow是一个很好的模型管理和跟踪工具,它支持基于ui和基于api的交互模型。我们唯一越来越担心的是,MLflow试图将太多的合并问题作为一个单一的平台交付,比如模型服务和评分。