MLflow'un Özellikleri

  • 3 dakika

MLflow'un dört bileşeni vardır:

  • MLflow İzleme
  • MLflow Projeleri
  • MLflow Modelleri
  • MLflow Model Kayıt Defteri

MLflow İzleme

MLflow İzleme, veri bilim insanlarının verileri işleyip analiz ettikleri ya da makine öğrenmesi modellerini eğitecekleri denemelerle çalışmalarına olanak tanır. Bir denemedeki her çalıştırma için veri bilimcisi parametre değerlerini, kullanılan kitaplıkların sürümlerini, model değerlendirme ölçümlerini ve oluşturulan çıkış dosyalarını günlüğe kaydedebilir; veri görselleştirmelerinin ve model dosyalarının görüntülerini içerir. Deneme çalıştırmalarıyla ilgili önemli ayrıntıları günlüğe kaydetme özelliği, önceki model eğitim yürütmelerinin sonuçlarını denetlemeyi ve karşılaştırmayı mümkün kılar.

MLflow Projeleri

MLflow Projesi, tutarlı dağıtım ve sonuçların yeniden üretilebilirliği için kodu paketlemenin bir yoludur. MLflow, tutarlı Python kod yürütme ortamlarını tanımlamak için Conda ve Docker kullanımı dahil olmak üzere projeler için çeşitli ortamları destekler.

MLflow Modelleri

MLflow, dağıtım için paketleme modelleri için standartlaştırılmış bir biçim sunar. Bu standartlaştırılmış model biçimi, MLflow'un Scikit-Learn, PyTorch, MLlib ve diğerleri gibi çeşitli popüler kitaplıklardan oluşturulan modellerle çalışmasını sağlar.

Bahşiş

Desteklenen model çeşitlerinin tamamı hakkında bilgi için MLflow Modelleri belgelerini gözden geçirin.

MLflow Model Kayıt Defteri

MLflow Model Kayıt Defteri, veri bilim adamlarının eğitilen modelleri kaydetmesine olanak tanır. MLflow Modelleri ve MLflow Projeleri, makine öğrenmesi mühendislerinin istemci uygulamalarının kullanması için modelleri dağıtmasına ve sunmasına olanak tanımak için MLflow Model Kayıt Defteri'ni kullanır.