python - 如何向完成的 MLflow 运行添加更多指标？

Question

MLflow 运行完成后，外部脚本可以使用 python mlflow 客户端和 mlflow.get_run(run_id) 方法访问其参数和指标，但是 get_run 返回的 Run 对象似乎是只读的。

具体来说，.log_param .log_metric，或者.log_artifact不能用在get_run返回的对象上，引发如下错误:

AttributeError: 'Run' object has no attribute 'log_param'

如果我们尝试在 mlflow 上运行任何 .log_* 方法，它会将它们记录到一个新的运行中，并在 Default 实验。

例子:

final_model_mlflow_run = mlflow.get_run(final_model_mlflow_run_id)

with mlflow.ActiveRun(run=final_model_mlflow_run) as myrun:    
    
    # this read operation uses correct run
    run_id = myrun.info.run_id
    print(run_id)
    
    # this write operation writes to a new run 
    # (with auto-generated random run ID) 
    # in the "Default" experiment (with exp. ID of 0)
    mlflow.log_param("test3", "This is a test")
   

请注意，无论Run 状态如何(.info.status 可以是“FINISHED”或“RUNNING”，没有任何区别)，上述问题都存在。

我想知道这种只读行为是否是设计使然(假设不可变建模运行提高了实验的可重复性)？我能理解这一点，但如果所有事情都必须在单个整体中完成，比如 with mlflow.start_run() context...

Answer 1

正如 Hans Bambel 向我指出的那样正如所记录的那样here mlflow.start_run(与 mlflow.ActiveRun 对比)接受现有运行的 run_id 参数。

这是一个经过测试可在 v1.13 到 v1.19 中运行的示例 - 如您所见，甚至可以覆盖现有指标以纠正错误:

with mlflow.start_run(run_id=final_model_mlflow_run_id):
    
    # print(mlflow.active_run().info)
    
    mlflow.log_param("start_run_test", "This is a test")
    mlflow.log_metric("start_run_test", 1.23)
    mlflow.log_metric("start_run_test", 1.33)
    mlflow.log_artifact("/home/jovyan/_tmp/formula-features-20201103.json", "start_run_test")