使用 MLflow 运行查看训练结果

2025-09-15

本文介绍了如何使用 MLflow 运行来查看与分析模型训练试验的结果，以及如何管理和组织运行。有关 MLflow 试验的详细信息，请参阅使用 MLflow 试验组织训练运行。

一个 MLflow 运行对应于模型代码的单次执行。每个运行记录的信息包括启动运行的笔记本、运行创建的任何模型、保存为键值对的模型参数和指标、运行元数据标签，以及运行创建的任何项目或输出文件。

所有 MLflow 运行都会记录到活动试验中。如果尚未将某个试验显式设置为活动试验，则会将运行记录到笔记本试验。

查看运行详细信息

可以从运行的试验详细信息页访问运行，或直接从创建运行的笔记本访问运行。

从试验详细信息页的运行表中，单击运行名称。

从试验详细信息页，打开试验运行。

在笔记本的“试验运行”边栏中，单击运行名称。

从笔记本打开运行试验。

运行屏幕显示运行 ID、用于运行的参数、运行生成的指标，以及有关运行的详细信息，包括指向源笔记本的链接。从运行中保存的项目可在“项目”选项卡中使用。

查看运行

用于预测的代码片段

如果从运行中记录模型，该模型就会出现在“项目”选项卡中，并附有代码片段，说明如何加载和使用该模型在 Spark 和 Pandas DataFrames 上进行预测。在 MLflow 3 中，模型现在是其独特的第一类对象，而不是作为运行项目进行记录。有关详细信息，请参阅 MLflow 3 入门。

预测代码片段

查看用于运行的笔记本

若要查看创建了运行的笔记本的版本，请执行以下操作：

在试验详细信息页上，单击“源”列中的链接。
在运行页上，单击“源”旁边的链接。
在笔记本的“试验运行”边栏中，单击试该验运行框中的“笔记本”图标。

与该运行关联的笔记本版本会在主窗口中显示，并有一个高亮条显示运行日期和时间。

向运行中添加标记

标签是键值对，你可以创建这些键值对，并在以后使用这些键值对来搜索运行。

在运行页上的“详细信息”表中，单击“标记”旁边的“添加标记”。
添加/编辑标记对话将打开。在“键”字段中，输入键的名称，然后单击“添加标记”。
在“值”字段中，输入变量的值。
单击加号，以保存刚输入的键值对。
重复步骤 2 至步骤 4，以添加其他标记。
完成后，单击“保存标记”。

编辑或删除运行的标记

在运行页上的“详细信息”表中，单击现有标记旁边。
添加/编辑标记对话将打开。
1. 要删除标记，请单击该标记上的 X。
2. 要编辑标记，从下拉菜单中选择键，然后在“值”字段中编辑值。单击加号来保存更改。
完成后，单击“保存标记”。

重现运行的软件环境

通过单击“运行”页右侧的“重现运行”可重现运行所需的确切软件环境。以下对话框随即出现：

“重现运行”对话框

单击“确认”使用默认设置时：

笔记本将克隆到对话框中显示的位置。
如果原始群集仍存在，则克隆的笔记本将附加到原始群集并启动该群集。
如果原始群集不再存在，则会创建并启动与原始群集配置相同（包括任何已安装的库）的新群集。笔记本将附加到新群集。

可为克隆的笔记本选择不同的位置，并检查群集配置和已安装的库：

若要选择其他文件夹保存克隆的笔记本，请单击“编辑文件夹”。
若要查看群集规格，请单击“查看规格”。若要仅克隆笔记本而不克隆群集，请取消选中此选项。
如果原始群集不再存在，可通过单击“查看库”来查看原始群集上安装的库。如果原始群集仍然存在，则此部分显示为灰色。

重命名运行

若要重命名运行，请单击 kebab 菜单 Kebab 菜单图标。在运行页面右上角（ “权限 ”按钮旁）并选择“ 重命名”。

从运行页重命名运行。

选择要显示的列

要控制试验详细信息页上运行表中显示的列，请单击“列”，然后从下拉菜单中进行选择。

筛选运行

可根据参数或指标值在试验详细信息页上的表中搜索运行。你还可以按标记搜索运行。

若要搜索与包含参数和指标值的表达式匹配的运行，请在搜索字段中输入查询并按 Enter。查询的部分语法示例如下：

metrics.r2 > 0.3

params.elasticNetParam = 0.5

params.elasticNetParam = 0.5 AND metrics.avg_areaUnderROC > 0.3

MIN(metrics.rmse) <= 1

MAX(metrics.memUsage) > 0.9

LATEST(metrics.memUsage) = 0 AND MIN(metrics.rmse) <= 1

默认情况下，指标值是根据上次记录的值进行筛选的。使用 MIN 或 MAX 可以分别根据最小或最大指标值搜索运行。只有在 2024 年 8 月之后记录的运行才具有最小和最大指标值。
要按标记搜索运行，请按以下格式输入标记：tags.<key>="<value>"。字符串值必须用引号引起来，如下所示。

tags.estimator_name="RandomForestRegressor"

tags.color="blue" AND tags.size=5

键和值都可以包含空格。如果键包含空格，则必须将其括在反引号中，如下所示。
```
tags.`my custom tag` = "my value"
```

还可根据运行状态（活动或已删除）筛选运行、创建运行的时间以及使用哪些数据集。为此，请分别在“创建时间”、“状态”和“数据集”下拉菜单中做出选择。

筛选运行

下载运行

可从试验详细信息页下载运行，如下所示：

单击打开烤肉串菜单。
要下载 CSV 格式的文件，其中包含显示的所有运行（最多 100 个），请选择“下载”<n>“运行”。 MLflow 会创建并下载一个文件，每行包含一个运行，每个运行包含以下字段：
```
Start Time, Duration, Run ID, Name, Source Type, Source Name, User, Status, <parameter1>, <parameter2>, ..., <metric1>, <metric2>, ...
```
如果要下载超过 100 个运行,或想要以编程方式下载运行，请选择“下载所有运行”。此时会打开一个对话框，其中显示可在笔记本中复制或打开的代码片段。在笔记本单元格中运行此代码后，从单元格输出选择“下载所有行”。

删除运行

可按照以下步骤从试验详细信息页中删除运行：

在试验中，通过单击运行左侧的复选框来选择一个或多个运行。
单击 “删除” 。
如果运行为父运行，则确定是否也要删除后代运行。默认情况下选择此选项。
单击“删除”进行确认。删除的运行保存 30 天。若要显示删除的运行，请选择“状态”字段中的“已删除”。

基于创建时间批量删除运行

可以使用 Python 批量删除在某个 UNIX 时间戳处或之前创建的试验的运行。使用 Databricks Runtime 14.1 或更高版本，可以调用 mlflow.delete_runs API 来删除运行并返回已删除的运行数。

以下是 mlflow.delete_runs 参数：

experiment_id：包含要删除的运行的试验 ID。
max_timestamp_millis：自删除运行的 UNIX 纪元以来的最大创建时间戳（以毫秒为单位）。仅删除在此时间戳或之前创建的运行。
max_runs：可选。一个正整数，表示要删除的最大运行数。 max_runs 允许的最大值为 10000。如果未指定，则 max_runs 默认为 10000。

import mlflow

# Replace <experiment_id>, <max_timestamp_ms>, and <max_runs> with your values.
runs_deleted = mlflow.delete_runs(
  experiment_id=<experiment_id>,
  max_timestamp_millis=<max_timestamp_ms>,
  max_runs=<max_runs>
)
# Example:
runs_deleted = mlflow.delete_runs(
  experiment_id="4183847697906956",
  max_timestamp_millis=1711990504000,
  max_runs=10
)

使用 Databricks Runtime 13.3 LTS 或更早版本，可以在 Azure Databricks Notebook 中运行以下客户端代码。

from typing import Optional

def delete_runs(experiment_id: str,
                max_timestamp_millis: int,
                max_runs: Optional[int] = None) -> int:
    """
    Bulk delete runs in an experiment that were created prior to or at the specified timestamp.
    Deletes at most max_runs per request.

    :param experiment_id: The ID of the experiment containing the runs to delete.
    :param max_timestamp_millis: The maximum creation timestamp in milliseconds
                                 since the UNIX epoch for deleting runs. Only runs
                                 created prior to or at this timestamp are deleted.
    :param max_runs: Optional. A positive integer indicating the maximum number
                     of runs to delete. The maximum allowed value for max_runs
                     is 10000. If not specified, max_runs defaults to 10000.
    :return: The number of runs deleted.
    """
    from mlflow.utils.databricks_utils import get_databricks_host_creds
    from mlflow.utils.request_utils import augmented_raise_for_status
    from mlflow.utils.rest_utils import http_request

    json_body = {"experiment_id": experiment_id, "max_timestamp_millis": max_timestamp_millis}
    if max_runs is not None:
        json_body["max_runs"] = max_runs
    response = http_request(
        host_creds=get_databricks_host_creds(),
        endpoint="/api/2.0/mlflow/databricks/runs/delete-runs",
        method="POST",
        json=json_body,
    )
    augmented_raise_for_status(response)
    return response.json()["runs_deleted"]

有关基于创建时间删除运行的参数和返回值规范，请参阅 Azure Databricks 试验 API 文档。

还原运行

可从 UI 还原以前删除的运行，如下所示：

在“试验”页上的“状态”字段中选择“已删除”以显示已删除的运行。
通过单击运行左侧的复选框来选择一个或多个运行。
请单击“还原”。
单击“还原”进行确认。在“状态”字段中选择“活动”时，现在会显示还原的运行。

基于删除时间批量还原运行

还可以使用 Python 批量还原在某个 UNIX 时间戳或之后删除的试验的运行。使用 Databricks Runtime 14.1 或更高版本，可以调用 mlflow.restore_runs API 来还原运行并返回已还原的运行数。

以下是 mlflow.restore_runs 参数：

experiment_id：包含要还原的运行的试验 ID。
min_timestamp_millis：自还原运行的 UNIX 纪元以来的最小删除时间戳（以毫秒为单位）。仅还原在此时间戳或之后删除的运行。
max_runs：可选。一个正整数，表示要还原的最大运行数。 max_runs 允许的最大值为 10000。如果未指定，则 max_runs 默认为 10000。

import mlflow

# Replace <experiment_id>, <min_timestamp_ms>, and <max_runs> with your values.
runs_restored = mlflow.restore_runs(
  experiment_id=<experiment_id>,
  min_timestamp_millis=<min_timestamp_ms>,
  max_runs=<max_runs>
)
# Example:
runs_restored = mlflow.restore_runs(
  experiment_id="4183847697906956",
  min_timestamp_millis=1711990504000,
  max_runs=10
)

使用 Databricks Runtime 13.3 LTS 或更早版本，可以在 Azure Databricks Notebook 中运行以下客户端代码。

from typing import Optional

def restore_runs(experiment_id: str,
                 min_timestamp_millis: int,
                 max_runs: Optional[int] = None) -> int:
    """
    Bulk restore runs in an experiment that were deleted at or after the specified timestamp.
    Restores at most max_runs per request.

    :param experiment_id: The ID of the experiment containing the runs to restore.
    :param min_timestamp_millis: The minimum deletion timestamp in milliseconds
                                 since the UNIX epoch for restoring runs. Only runs
                                 deleted at or after this timestamp are restored.
    :param max_runs: Optional. A positive integer indicating the maximum number
                     of runs to restore. The maximum allowed value for max_runs
                     is 10000. If not specified, max_runs defaults to 10000.
    :return: The number of runs restored.
    """
    from mlflow.utils.databricks_utils import get_databricks_host_creds
    from mlflow.utils.request_utils import augmented_raise_for_status
    from mlflow.utils.rest_utils import http_request
    json_body = {"experiment_id": experiment_id, "min_timestamp_millis": min_timestamp_millis}
    if max_runs is not None:
        json_body["max_runs"] = max_runs
    response = http_request(
        host_creds=get_databricks_host_creds(),
        endpoint="/api/2.0/mlflow/databricks/runs/restore-runs",
        method="POST",
        json=json_body,
    )
    augmented_raise_for_status(response)
    return response.json()["runs_restored"]

有关基于删除时间还原运行的参数和返回值规范，请参阅 Azure Databricks 试验 API 文档。

比较运行

可以比较单个试验或多个试验中的运行。 “ 比较运行 ”页以表格格式显示有关所选运行的信息。还可以创建运行结果的可视化效果，以及运行信息、运行参数和指标的表。请参阅使用图形和图表比较 MLflow 运行和模型。

“参数”和“指标”表显示所有选定运行中的运行参数和指标。这些表中的列由紧靠其上的“运行详细信息”表标识。为方便起见，可以通过切换仅显示差异按钮来隐藏所有选定运行中相同的参数和指标。

比较运行页表

比较单个试验中的运行

在试验详细信息页上，通过单击运行左侧的复选框来选择两个或更多个运行，或者通过选中列顶部的框来选择所有运行。
单击“比较”。此时将出现“比较 <N> 个运行”屏幕。

比较多个试验中的运行

在试验页上，通过单击试验名称左侧的框来选择要比较的试验。
单击“比较 (n) 个”（n 是选择的试验数）。此时将出现一个屏幕，其中显示了所选试验中的所有运行。
通过单击运行左侧的复选框来选择两个或更多个运行，或者通过选中列顶部的框来选择所有运行。
单击“比较”。此时将出现“比较 <N> 个运行”屏幕。

在工作区之间复制运行

若要将 MLflow 运行导入或导出 Databricks 工作区，可以使用社区驱动的开放源代码项目 MLflow Export-Import。

共用方式為

使用 MLflow 运行查看训练结果

查看运行详细信息

用于预测的代码片段

查看用于运行的笔记本

向运行中添加标记

编辑或删除运行的标记

重现运行的软件环境

重命名运行

选择要显示的列

筛选运行

下载运行

删除运行

基于创建时间批量删除运行

还原运行

基于删除时间批量还原运行

比较运行

比较单个试验中的运行

比较多个试验中的运行

在工作区之间复制运行

其他資源