MLflow

这篇东西主要梳理一件事：从手动记实验笔记到用 MLflow 做自动化追踪，中间踩了哪些坑，哪些问题是真问题，哪些是臆想出来的需求。

去年这个时候，我们的模型部署状态大概是这样：三个模型分别跑在三个不同人的本地环境里，版本管理靠文件名后缀（、、），发布靠手动 rsync，出问题…

最近把团队的几个机器学习项目从零散的服务器迁移到了统一的 MLOps 平台。

AI模型版本管理我没按教科书顺序做。