如何修复 MLflow UI 中未显示的工件

Question

我使用了 MLflow 并使用下面的 function（来自 pydataberlin）记录了参数。

def train(alpha=0.5, l1_ratio=0.5):
    # train a model with given parameters
    warnings.filterwarnings("ignore")
    np.random.seed(40)

    # Read the wine-quality csv file (make sure you're running this from the root of MLflow!)
    data_path = "data/wine-quality.csv"
    train_x, train_y, test_x, test_y = load_data(data_path)

    # Useful for multiple runs (only doing one run in this sample notebook)    
    with mlflow.start_run():
        # Execute ElasticNet
        lr = ElasticNet(alpha=alpha, l1_ratio=l1_ratio, random_state=42)
        lr.fit(train_x, train_y)

        # Evaluate Metrics
        predicted_qualities = lr.predict(test_x)
        (rmse, mae, r2) = eval_metrics(test_y, predicted_qualities)

        # Print out metrics
        print("Elasticnet model (alpha=%f, l1_ratio=%f):" % (alpha, l1_ratio))
        print("  RMSE: %s" % rmse)
        print("  MAE: %s" % mae)
        print("  R2: %s" % r2)

        # Log parameter, metrics, and model to MLflow
        mlflow.log_param(key="alpha", value=alpha)
        mlflow.log_param(key="l1_ratio", value=l1_ratio)
        mlflow.log_metric(key="rmse", value=rmse)
        mlflow.log_metrics({"mae": mae, "r2": r2})
        mlflow.log_artifact(data_path)
        print("Save to: {}".format(mlflow.get_artifact_uri()))
        
        mlflow.sklearn.log_model(lr, "model")

一旦我使用它的参数运行train() ，在 UI 中我看不到工件，但我可以看到模型及其参数和指标。

在 artifact 选项卡中写着No Artifacts Recorded Use the log artifact APIs to store file outputs from MLflow runs. 但是在模型文件夹中的查找器中，所有工件都与模型 Pickle 一起存在。

帮助

Answer 1

有类似的问题。 就我而言，我通过在实验的mlruns目录中运行mlflow ui解决了这个问题。

在此处查看有关 Github 的完整讨论

希望能帮助到你！

Answer 2

这段代码不是在本地运行吗？ 您是否正在移动 mlruns 文件夹？ 我建议检查 meta.yaml 文件中存在的工件 URI。 如果那里的路径不正确，则可能会出现此类问题。

Answer 3

我有同样的问题（对于mlflow.pytorch ）。 对我来说，它是通过替换log_model()和log_atrifacts()来修复的。

所以记录工件的是：

mlflow.log_metric("metric name", [metric value])
mlflow.pytorch.log_model(model, "model")
mlflow.log_artifacts(output_dir)

此外，对于终端中的ui ，cd 到mlruns所在的目录。 例如，如果mlruns的位置是...\your-project\mlruns ：

cd ...\your-project

go 到安装mlflow的环境。

...\your-project> conda activate [myenv]

然后，运行mlflow ui

(myenv) ...\your-project> mlflow ui

Answer 4

我有一个类似的问题。 更改脚本文件夹后，我的 UI 没有显示新的运行。

对我有用的解决方案是在启动新 UI 之前停止所有 MLflow UI，以防您更改文件夹。

Answer 5

我在运行 mlflow 服务器并在 S3 中存储工件时遇到了这个问题。 能够通过安装boto3来修复