（一分钟）简单介绍MLFLOW

前言

MLFLOW有很多功能，但是大家来找的应该是指其记录（追踪）超参数的功能。本文也只是简单说说这个，让你有一个大致了解。

功能

下图展示了其功能。当我们调节超参数的时候，就会多次运行，从而得到多组超参数以及评估结果，我们可以将其记录在MLFLOW中。如下，每一行都是一次运行。

使用

其只充当记录功能，所以使用很简单。

下面前3格表示：导入包，创建本次调参实验的名称，进入这个实验。至此，后面的记录都会在这个实验目录下。

可以看到，你要训练一个机器学习模型，使用的是线性回归，这里使用

log_param("algo","lr")

记录了这一点，“algo”（算法）表示超参数的名称，"lr"表示我们的算法采用的是线性回归。

其他的就不说啦，太容易懂了。

注意，上面一次运行，就会在这个实验目录下，创建一条记录，如果你要超参数搜索，那么外面可以套个循环。

注：上面只是展示了sklearn，其实深度学习也可以使用。

import mlflow
import mlflow.pytorch

可视化

我们还没有说，怎么看到我们的这些实验记录呢，MLFLOW采用网页的形式看，也就是说，需要开端口。

mlflow ui

默认会开5000端口，你浏览器输入地址，就行了。