2019独角兽企业重金招聘Python工程师标准>>>

MLflow 0.8.2为Bug修复版本，MLflow 0.8.1 主要改进如下：

• 增强 UI 响应和载入时间，尤其是当成百上千次运行的实验结果显示。
• 增强可视化，包括交互 scatter plots用于比较 MLflow运行结果。
• 扩展支持python评分模块作为 Spark UDFs。更多信息参考 updated documentation for this feature。
• 缺省情况下，保存 models 将包括Conda environment，包含所有的指定依赖，用于在新的环境载入该模型。

特征:

• [API/CLI] 支持从ZIP文件运行 MLflow projects  (#759, @jmorefieldexpe)。
• [Python API] 支持传递 model 的conda environments，作为词典结构在 save_model 和 log_model 函数中使用 (#748, @dbczumar)。
• [Models] 缺省的 Anaconda environments已经被添加到多个 Python model flavors。缺省情况下，通过 save_model 和 log_model 函数产生的模型将包含运行环境参数，其指定了所有的版本化环境信息，对于在如何提供模型服务是必须的。之前，用户必须手工指定。 (#705, #707, #708, #749, @dbczumar)。
• [Scoring] 支持同步部署模型到 SageMaker (#717, @dbczumar)。
• [Tracking] 包含 Git repository URL 作为tag，当跟踪 MLflow 运行在 Git repository (#741, @whiletruelearn, @mateiz)。
• [UI] 改善的 UI 性能，通过使用 react-virtualized 表来优化行的渲染 (#765, #762, #745, @smurching)。
• [UI] 运行 metrics, tags, 和 parameter 信息时的显著性能提升 (#764, #747, @smurching)。
• [UI] Scatter plots, 包括运行比较图，现在是交互性的 (#737, @mateiz)。
• [UI] 扩展的 CSRF 支持，允许 MLflow UI server 指定一系列期望的 headers，客户端可以在AJAX请求时进行设置 (#733, @aarondav)。

Bug 修复与文档更新：

• [Python/Scoring] MLflow Python 模块生成 Pandas DataFrames 可以 evaluated 为 Spark UDFs，现在正确。Spark UDF 输出包含多类型列也支持了 (#719, @tomasatdatabricks)。
• [Scoring] 修复了阻止模型为 Azure ML 服务的系列错误，当返回Pandas DataFrames时 (#754, @dbczumar)。
• [Docs] 新的例子演示 MLflow REST API 可以被用于创建实验和日志的运行信息 (#750, kjahan)。
• [Docs] R 文档已更新，以反映分类和风格的一致性 (#683, @stbof)。
• [Docs] 添加用户设置要求的分类，在Databricks上运行 remote MLflow 时 (#736, @andyk)。
• 其它bug修复和文档更新参见 (#768, #715, @smurching; #728, dodysw; #730, mshr-h; #725, @kryptec; #769, #721, @dbczumar; #714, @stbof)。