首页
/ MLRun v1.10.0-rc8 版本发布:模型监控增强与工作流优化

MLRun v1.10.0-rc8 版本发布:模型监控增强与工作流优化

2025-07-01 12:26:49作者:龚格成

MLRun 是一个开源的机器学习运维(MLOps)平台,它简化了机器学习工作流程的构建、部署和管理过程。作为数据科学家和机器学习工程师的强大工具,MLRun 提供了从数据准备到模型部署的全生命周期管理能力。

核心功能更新

模型监控功能强化

本次版本对模型监控功能进行了多项重要改进。首先引入了 ModelRunnerStep 与模型监控系统的连接,使得模型推理过程能够无缝集成到监控体系中。同时扩展了 project-summary API,为项目级别的模型监控提供了更全面的数据支持。

针对 Grafana 11 的兼容性问题,开发团队更新了模型监控仪表盘,确保用户在新版本 Grafana 中也能获得一致的监控体验。此外,还修复了离线推理测试中的等待时间问题,提高了测试的稳定性。

工作流与管道优化

在管道功能方面,v1.10.0-rc8 版本新增了管道终止能力,为用户提供了更灵活的工作流控制选项。同时改进了参数验证机制,确保管道运行的可靠性。工作流系统现在会自动为工作流运行器添加工作流 ID 标签,便于后续的追踪和管理。

框架支持与兼容性

技术栈方面,本次更新增加了对 TensorFlow 2.16 及以上版本(Keras 3.0)的支持,使 MLRun 能够兼容最新的深度学习框架。同时,项目开始逐步弃用旧的 ml-base 镜像,并在客户端和运行时环境中添加了相应的警告提示。

文档与示例更新

文档团队对多个关键部分进行了更新和完善,包括添加了大型语言模型(LLM)的介绍内容,更新了 Python 3.11 的兼容性说明,以及修正了应用运行时默认镜像的相关说明。示例项目包也进行了同步更新,包含了最新的演示案例。

安全与维护改进

在安全方面,修复了 Go 组件中的多个安全问题,提升了系统的整体安全性。同时移除了多个已弃用的 API 方法,包括 list_entities 和部分模型监控相关参数,简化了代码结构并提高了可维护性。

总结

MLRun v1.10.0-rc8 版本在模型监控、工作流管理和框架支持等方面做出了重要改进,同时加强了系统的安全性和稳定性。这些更新使得 MLRun 能够更好地支持企业级机器学习应用的开发和运维需求,为数据科学团队提供了更加强大和可靠的工具链。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.96 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
431
34
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
251
9
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
989
394
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69