Databricks的MLflow機器學習工具包增加了對R語言的支持

大數據公司Databricks Inc. 今天更新了其MLflow機器學習工具包，以支持R編程語言和旨在提高其實用性的其他新功能。

Databricks 僅在6月才發布MLflow，以幫助標準化開發流程并將機器學習應用程序投入生產。該公司認為，訓練機器學習算法的過程在很大程度上是不一致的，并且幾乎沒有可用的工具來再現結果，跟蹤實驗和管理模型。

MLflow旨在幫助公司更好地打包他們的機器學習代碼，執行，測試它并將其部署到生產中。通過標準化跨通用部署方法的現有ML工具包和框架，它使開發人員可以完全控制端到端管理機器學習培訓生命周期。

“ MLflow是一個統一的工具包，用于以可重復的方式開發機器學習應用程序，同時具有在多個云環境中可靠地在生產環境中進行可靠部署的靈活性，” MLflow啟動時，Databricks首席技術專家Matei Zaharia說。

通過今天的更新，Databricks與RStudio Inc.合作，后者為R提供了開源和集成開發環境，以幫助集成編程語言。現在，使用RStudio和R來構建新應用程序的大型數據科學家社區都可以使用MLflow。

RStudio首席執行官JJ Allaire在一份聲明中說：“ R與MLflow的集成將允許更廣泛的社區使用并為MLflow做出貢獻，從而大大拓寬該項目的范圍。”

除R外，MLflow還獲得對編程語言(包括Python，Java和Scale)的支持，以及一個REST服務器接口，使其可以與其他語言一起使用。

MLflow還與流行的機器學習庫和框架集成在一起，例如SciKit-Learn，TensorFlow，Keras，PyTorch，H2O和Apache Spark Mllib，Databricks說。

最后，Databricks添加了對MLflow工具包的跨云支持，這意味著使用它構建的模型可以部署在云服務上，例如Microsoft Corp.的Azure ML平臺，Amazon Web Services Inc.的SageMaker和Databricks自己的Unified數據分析平臺。

公司官員說：“ MLflow利用了AWS S3，Google Cloud Storage和Azure Blob Storage，使團隊可以輕松地跟蹤和共享其代碼中的工件。”

“使用MLflow，數據科學團隊可以跨框架系統地打包和重用模型，在本地或云中跟蹤和共享實驗，并在幾乎任何地方部署模型，” Zaharia在一份新聲明中補充說。“我們從數據科學界看到的一連串的興趣和貢獻證實了對開放源代碼框架以簡化機器學習生命周期的需求。”