ml-experiment-tracker - 机器学习实验追踪与可复现性指南。
使用 MLflow、Weights & Biases 和 DVC 等工具，指导机器学习实验日志记录、版本控制及可复现性。
标签
更新于: 2026-09-18能力
典型输入
典型输出
该技能可以做什么
- 记录机器学习实验
- 追踪参数与指标
- 版本化数据集与流水线
- 管理模型注册表工作流
- 确保实验可复现性
输入
- 机器学习代码
- 超参数与配置
- 数据集与特征
- 实验追踪配置
输出
- 已记录的指标与参数
- 模型产物与检查点
- 数据版本控制文件
- 实验对比图表
要求
- Python 环境
- Git 版本控制
- MLflow 或 Weights & Biases
- 用于数据版本控制的 DVC