积累openvino案例，可根据readme直接运行。

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)。

[`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。

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。