Model registries mlflow weights biases
Wat doet een model registry?
Een model registry is een centraal systeem dat productiekandidaten van machine learning-modellen beheert. Het is meer dan alleen opslag: het houdt versies bij, kent levenscyclusfasen toe (zoals staging en production), en slaat evaluatieresultaten en goedkeuringsmetadata op [citation:4]. De registry beantwoordt de vraag: welke modellen zijn klaar voor productie en wat zijn hun prestaties? Dit is essentieel voor governance en samenwerking. Zonder een registry is het moeilijk om bij te houden welke modelversie waar draait en waarom. Modellen in de registry zijn expliciet versioned en getagd met fasen. Promotie van staging naar production vereist vaak expliciete goedkeuring, wat zorgt voor controle [citation:12].
MLflow en Weights & Biases
MLflow is het meest gebruikte open-source platform voor model versioning en experiment tracking. Het biedt MLflow Tracking voor het loggen van parameters, metrieken en artefacten, en MLflow Model Registry voor levenscyclusbeheer [citation:4]. MLflow is framework-agnostisch en werkt met PyTorch, TensorFlow, scikit-learn en meer. Het kan self-hosted of managed (via Databricks) worden gebruikt. Weights & Biases (W&B) is een commercieel alternatief met rijkere visualisaties en samenwerkingsfuncties. Het biedt ook een model registry, maar de nadruk ligt op experiment tracking en teamcollaboratie [citation:4]. W&B is SaaS en heeft een gratis tier. De keuze hangt af van factoren zoals budget, hostingvoorkeur en behoefte aan visuele analyses.