MLflow

管理完整機器學習生命週期的開源 AI 工程平台。追蹤實驗、比較執行結果、打包可重現的模型，並從簡潔的 Web 儀表板提供預測服務。

部署後可以做什麼

1. 開啟網域 — 存取 MLflow Tracking UI 檢視實驗和執行結果
2. 記錄實驗 — 將 ML 腳本指向此伺服器 mlflow.set_tracking_uri("https://your-domain")
3. 比較執行 — 並排檢視各實驗的指標、參數和產出物
4. 註冊模型 — 將實驗結果推送至 Model Registry 進行階段管理
5. 搜尋和篩選 — 使用內建搜尋按指標、參數或標籤查找執行結果

主要功能

• 實驗追蹤（指標、參數、產出物）
• Model Registry 版本控制和生命週期管理
• Web 儀表板視覺化和比較執行結果
• REST API 程式化存取
• 支援 Python、R、Java 和 REST 客戶端
• SQLite 後端輕量自架儲存
• 相容主流 ML 框架

授權

Apache-2.0 — GitHub