Canonical发布Charmed MLFlow以简化机器学习工作流管理

Canonical基于开源平台MLflow发布了Charmed MLFlow，旨在通过使用不同的打包系统和编排引擎来简化机器学习工作流和工件的管理。

主要功能与优势

Charmed MLFlow可以在几分钟内部署在笔记本电脑上，非常适合用于模型注册和实验跟踪。它基于开源的MLflow平台，两者都针对以下四个主要任务：

1. 实验跟踪：记录参数和结果。
2. 打包ML代码：便于与其他研究人员共享或部署到生产环境。
3. 管理和部署模型：支持多种ML库。
4. 协作支持：通过版本控制、转换和注释实现。

技术特点

Charmed MLFlow提供了与MLflow相同的功能，但使用了基于charms或charmed operators的不同打包系统，并依赖于开源的Juju编排引擎。Charm是一个应用程序的包装器，包含了在任何云上使用Juju编排引擎部署、配置、扩展、集成等所需的所有指令。

Canonical发言人Andreea Munteanu表示，采用charmed包和Juju编排引擎简化了部署，并自动执行升级或更新等活动。此外，Charmed MLFlow与其他工具（如Kubeflow、KServe、Grafana和Prometheus）集成，作为Canonical可观测性堆栈的一部分。

定价与支持

Charmed MLFlow属于Canonical的Ubuntu Pro订阅，按节点定价。这意味着Charmed MLFlow是一个生产级解决方案，具有十年的安全维护承诺，并享有企业支持和可选的管理服务。还提供高级支持层级。

兼容性

Charmed MLFlow在Ubuntu上经过全面测试，也可以通过Canonical的Multipass或Windows Subsystem for Linux (WSL)在其他操作系统上使用。

总结

Charmed MLFlow是一个基于MLflow的工具，通过使用charms和Juju编排引擎简化了机器学习工作流的管理和部署。它提供了与MLflow相同的功能，但具有更简化的部署和自动化更新能力，并且与其他工具集成良好。作为Canonical的Ubuntu Pro订阅的一部分，它提供了生产级的解决方案和企业支持。