在 Databricks，我们相信有更好的方式来管理机器学习生命周期，基于此我们推出全新的开源机器学习.. MLflow。目前，alpha 版本已发布。Github 链接：https://github.com/databricks/mlflow
MLflow：全新的开源机器学习..
MLflow 从现有 ML ..中得到灵感，在设计上拥有以下两项开放理念：
开放的交互界面：MLflow 被设计成支持所有 ML 库、算法、部署工具和语言，它围绕 REST API 和可以从多种工具中应用的简单数据格式（如将模型看作 lambda 函数 ）建立，而不是仅支持少量内建功能。这带来一个立竿见影的好处：可以轻易将 MLflow 加入现有代码中，同时，在组内分享可执行的使用任意 ML 库的代码也变得简单。
开源：MLflow 是一个开源项目，用户和工具库开发者能对其进行扩展。另外，如果你希望开源自己的代码，得益于 MLflow 的开放格式，在组织间共享工作流步骤和模型十分简单。
MLflow 现在仍为 alpha 版，但是我们认为该版本在处理 ML 代码上已非常有用，我们也乐意收到大家的反馈。接下来是对 MLflow 以及相关组件的详细介绍。
组件
MLflow alpha 版由以下 3 个组件构成：
MLflow Tracking
MLflow Tracking 是一个 API，当你在运行机器学习代码打算后续可视化时，它是展示参数记录、代码版本、metric 和输出文件的 UI。只需几行简单的代码，你就能够追踪参数，metric 和 artifact：
你可以在任何环境（独立脚本、notebook 等）下使用 MLflow Tracking 将结果记录到本地文件或者服务器，之后再将多次操作进行对比。借助网页 UI，你可以查看和对比多次输出。团队也能使用这些工具来比较不同用户的实验结果。
