标签: #experiment-tracking

한국어English日本語中文

← 全部文章

• MLflow 实验管理完全指南：实验追踪·模型注册表·部署流水线搭建

  本文以实战为中心，讲解如何用 MLflow 做 ML 实验追踪、模型注册表管理与部署流水线搭建。从 Tracking Server 架构、自动日志记录、模型版本管理，到 Kubernetes/Docker 部署，详细说明生产环境中所需的 MLOps 策略。

  2026-03-11 · 16 分钟阅读 #ai-platform#mlflow#experiment-tracking#model-registry#mlops

• Weights & Biases(W&B)实验管理实战指南：从实验追踪到 Model Registry 与生产环境监控

  基于 Weights & Biases(W&B)的 ML 实验管理实战指南。涵盖实验追踪、Sweeps 超参数调优、Artifacts 版本管理、Model Registry、团队协作功能，并结合与 MLflow 的对比，通过代码示例逐一讲解。

  2026-03-08 · 27 分钟阅读 #ai-platform#wandb#experiment-tracking#model-registry#mlops

• MLflow 完全指南：从实验追踪到 Model Registry、生产部署

  通过动手实践，使用 MLflow 完成 ML 实验管理的完整工作流程。用 Tracking 记录实验，用 Model Registry 进行版本管理，直至完成生产部署。

  2026-03-03 · 21 分钟阅读 #ai-platform#mlflow#experiment-tracking#model-registry#mlops