機器學習平臺MLflow 1.12開始整合PyTorch

資料分析公司Databricks發布最新機器學習平臺MLflow 1.12，這個版本除了提供可解釋性機器學習功能之外，也強化了深度學習函式庫PyTorch的支援。由Apache Spark技術團隊所創立的Databricks，在2018年的時候開源了MLflow，透過提供各種好用的功能，簡化機器學習開發，並且支援可重複使用的標準格式，讓用戶的機器學習應用不被工具和環境綁住。

PyTorch工程團隊和Databricks的MLflow團隊，共同在PyTorch開發人員日，發表最新的合作成果，現在MLflow與PyTorch整合，提供PyTorch模型自動日誌記錄、支援TorchScript模型，以及可將PyTorch模型部署到TorchServe等3個功能。

MLflow 1.12所提供的統一自動日誌記錄功能，可以自動記錄來自PyTorch Lightning模型的參數以及指標，在新加入的mlflow.autolog()方法，只要用戶執行單一呼叫，該方法就會自動記錄所有相關的模型實體，包括參數、指標和構件等，讓用戶掌握模型的運作。

MLflow現在也可以將PyTorch模型轉換為TorchScript，TorchScript是一種由PyTorch程式碼創建的可序列化和可最佳化的模型，任何MLflow生成的PyTorch模型，都可以被轉換成為TorchScript，能夠儲存並部署到其他非Python相依環境。TorchServe MLflow擴充套件，則可讓用戶將任何MLflow生成的PyTorch模型，部署到模型伺服器TorchServe中，透過TorchServe執行模型提供服務。

另外，最新的MLflow還進一步提供模型可解釋性，Databricks官方提到，越來越多機器學習模型，在業務應用程式中，執行提示與決定性預測，因此機器學習工程師開始必須要解釋，模型做出特定決策的原因，MLflow 1.12提供SHAP API，以提供機器學習模型輸出的解釋。