← 返回 AI 开源导航

Mlflow

训练与微调

GitHub 仓库

一、项目简介

MLflow 是开源的机器学习生命周期管理平台，涵盖实验记录、可复现打包、模型注册与部署。在传统 ML 与 LLM 项目中都被广泛用于追踪指标、管理模型版本，是 MLOps 的基础组件。

二、核心特性

  • 实验追踪：记录参数、指标、产物，便于对比；
  • 模型打包：统一格式，保证可复现；
  • 模型注册：版本管理与阶段流转（Staging/Production）；
  • 部署能力：支持本地与云端服务化；
  • 多框架支持：sklearn、PyTorch、TensorFlow、transformers 等；
  • 可扩展：支持插件与自定义存储。

三、适用场景

  • 模型训练实验管理与对比；
  • 模型版本治理与上线；
  • 团队协作的 MLOps 流程。

四、快速上手

pip install mlflow
mlflow ui                  # 打开 http://localhost:5000
# 在训练代码里 mlflow.start_run() + mlflow.log_metric(...)

五、注意事项

  • 默认本地文件存储，生产建议用数据库 + 对象存储；
  • 追踪条目增多后需定期清理；
  • 注意与所用框架版本的插件兼容。