mlflow

Aperçu

MLflow est la plateforme MLOps open-source leader couvrant le suivi des expériences, le registre de modèles, l'empaquetage (format MLflow Models) et le déploiement (MLflow Serving). Supporte PyTorch, TensorFlow, scikit-learn, ONNX, XGBoost et les modèles personnalisés dans le cloud et on-prem.

Installation

uv pip install mlflow

Suivi des expériences

import mlflow
mlflow.set_experiment("my_project")
with mlflow.start_run(run_name="experiment_1"):
    mlflow.log_param("learning_rate", 0.01)
    mlflow.log_param("batch_size", 32)
    mlflow.log_metric("accuracy", 0.92)
    mlflow.log_metric("loss", 0.35)
    mlflow.log_artifact("model.pth")
    mlflow.pytorch.log_model(model, "model")

Registre de modèles et Serving

mlflow.register_model("runs:/<run_id>/model", "MyModel")

mlflow models serve --model-uri models:/MyModel/1 --port 5001
mlflow ui --host 0.0.0.0 --port 5000

Références

• Documentation MLflow
• GitHub MLflow