[`MLflow Tracking`](https://mlflow.org/docs/latest/tracking.html)是一个API以及包含UI界面，能够允许我们记录代码中的log matrics和artifacts文件，查看运行历史记录，并且进行一些结果的数据可视化。 在这个案例中，我们具体说明`MLflow Tracking`如何被使用。
我们将基于mlflow的官方案例来解读如何使用docker环境运行mlflow代码。我们使用的平台是Win10，但在运行过程中，我们发现在Win10平台上操作会出现bug，由于目前手头上正巧没有Linux主机，所以只能继续使用Win10平台，我们会在README文档中详细解释bug的原因以及如何更正。
MLFlow Projects允许我们将代码及其依赖项打包为一个可以在其他平台上以可复制（reproducible）和可重用（reusable）的方式运行的项目。每个项目都包括自己的代码和一个MLproject文件，该文件定义了它的依赖项（例如Python环境），以及可以在项目中运行哪些命令以及它们采用的参数。
在这个章节中，我们将详细提供一个案例，基于keras的深度学习框架对`winequality-white`数据进行quanlity的预测。此章节的代码基于[MLFlow官网GitHub链接](https://github.com/mlflow/mlflow/tree/master/examples/hyperparam)。
