MLflow

管理完整机器学习生命周期的开源 AI 工程平台。追踪实验、比较运行结果、打包可复现的模型，并从简洁的 Web 仪表板提供预测服务。

部署后可以做什么

1. 打开域名 — 访问 MLflow Tracking UI 查看实验和运行结果
2. 记录实验 — 将 ML 脚本指向此服务器 mlflow.set_tracking_uri("https://your-domain")
3. 比较运行 — 并排查看各实验的指标、参数和产出物
4. 注册模型 — 将实验结果推送至 Model Registry 进行阶段管理
5. 搜索和筛选 — 使用内建搜索按指标、参数或标签查找运行结果

主要功能

• 实验追踪（指标、参数、产出物）
• Model Registry 版本控制和生命周期管理
• Web 仪表板可视化和比较运行结果
• REST API 程序化访问
• 支持 Python、R、Java 和 REST 客户端
• SQLite 后端轻量自托管存储
• 兼容主流 ML 框架

授权

Apache-2.0 — GitHub