Library Search
结果页MLflow 四件套：Tracking_Projects_Models_Registry
在 知识库 中找到 8 个匹配结果。
知识库
知识库
8 个 MLflow 四件套：Tracking_Projects_Models_Registry # MLflow 入门教程：四大组件实战
## 1. MLflow 的四大支柱
```
Tracking ──── 记录参数/指标/模型 artifact
Projects ──── 打包训练代码为可复现单元
Models ──── 统一模型格式，跨部署平台
Registry ──── 模型版本管理与审批流转
```
## 2. Tracking：手动 vs 自动
### autolog… 3% autolog 一行自动追踪 + 对比实验 # MLflow autolog：一行代码自动追踪实验
## 目标
用 `mlflow.autolog()` 一行代码自动记录 XGBoost 训练的所有参数、指标、模型，然后在 UI 中对比多次实验。
## 完整代码
```python
import mlflow
import xgboost as xgb
from sklearn.datasets import load_breast… 3% 01-Keras与部署实战 | 维度 | TensorFlow | PyTorch |
|------|-----------|--------|
| 高级 API | Keras（官方） | 无官方；Lightning 社区 |
| 计算图 | 静态（TF 1.x）→ Eager（TF 2.x) | 始终动态 |
| 部署 | TF Serving / TF Lite / TF.js | TorchServe / ONNX… 3% 实战篇：命令行待办事项应用 ```python
"""JSON 文件存储模块"""
import json
from pathlib import Path
from typing import List
from models import Task
class TaskStorage:
"""任务的 JSON 文件存储"""
def __init__(self, filepath: str = "t… 3% 02-drf-restful-api ```python
# blog/models.py
from django.db import models
from django.contrib.auth.models import User
class Category(models.Model):
"""文章分类"""
name = models.CharField("分类名", max_length=100, uni… 2% 02-进阶实战-迁移学习与部署 # PyTorch 进阶实战 —— 迁移学习、混合精度与模型部署
## 本章目标
- 使用预训练模型进行迁移学习（Fine-tuning）
- 掌握混合精度训练（AMP）加速
- 模型导出：TorchScript → ONNX
- 模型量化与推理优化
## 1. 迁移学习（Fine-tuning）
### 1.1 使用 torchvision 预训练模型
```python
import… 2% 从 Tokenizer 到 LoRA 微调全流程 args = TrainingArguments(
output_dir="./results",
per_device_train_batch_size=16,
num_train_epochs=3,
evaluation_strategy="epoch",
save_strategy="epoch",
)
trainer = Trainer(… 2% 微服务调用链：Gateway + Feign + Resilience4j # Spring Cloud 微服务调用链示例
## 目标
构建完整微服务调用链：Gateway 路由 → 服务发现 → Feign 调用 → Resilience4j 熔断。
## 架构
```
Client → Gateway (8080) → User Service (8081)
→ Order Service (8082)… 2%