如何修复 MLflow UI 中未显示的工件

Question

我使用了 MLflow 并使用下面的函数（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")

一旦我使用其参数运行

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。

在工件选项卡中，它被写入

No Artifacts Recorded Use the log artifact APIs to store file outputs from MLflow runs.

但是在模型文件夹的查找器中，所有工件都与模型Pickle一起存在。

帮助

Answer 1

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，可能会出现此类问题。

Answer 2

有类似的问题。就我而言，我通过在实验的

mlflow ui

目录中运行

mlruns

解决了这个问题。

查看 Github 上的完整讨论这里

希望有帮助！

Answer 3

我也遇到了同样的问题（

mlflow.pytorch

）。对我来说，它是通过替换

log_model()

和

log_atrifacts()

来修复的。

所以记录该工件的人是：

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

，请cd到

mlruns

所在的目录。例如，如果

mlruns

的位置是

...\your-project\mlruns

:

cd ...\your-project

进入安装

mlflow

的环境。

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

然后，运行

mlflow ui

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

Answer 4

我也有类似的问题。 更改脚本文件夹后，我的 UI 未显示新的运行。

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

我在本地托管的 Jupyter Notebook 中运行相同的 Python 代码，当我在包含 Jupyter Notebook 的目录中运行

mlflow ui

时，问题已解决。

Answer 6

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

boto3

Answer 7

我也遇到过 ML Flow UI 不显示任何数据的问题，即使它们是在跟踪 URI 下创建的。希望以下内容对某人有所帮助。

就我而言，我刚刚在项目目录下创建了一个文件夹 mlflow.set_tracking_uri("./model_metrics") 下面用于激活 mlflow。 Experiment_id= mlflow.start_run()

开始 MLflow 运行

带有实验ID：

捕获您的日志

运行 MLFlow UI 命令以及 --backend-store-uri=./model_metrics。