如何将Machine Learning Studio训练结果保存至当前工作目录？

1. 加载已完成的AutoML运行 #

先获取已完成的AutoML训练运行对象，可通过实验名称或运行ID定位：

from azureml.core import Experiment, Workspace

# 加载当前工作区配置
ws = Workspace.from_config()
# 指定你训练时使用的实验名称
experiment = Experiment(ws, name="your-automl-forecast-experiment")
# 获取最新的AutoML运行，也可通过run_id指定特定运行
run = next(experiment.get_runs(type="automl"))

2. 下载完整训练结果到当前目录 #

AutoML运行的所有产出（模型文件、评估日志、训练报告等）都可下载到本地目录：

# 将所有结果下载到当前工作目录下的automl-results文件夹
run.download_files(output_directory="./automl-results")

如果只需下载最佳模型相关文件，可先定位最佳子运行再下载：

# 获取表现最优的训练子运行
best_run = run.get_best_child()
# 下载最佳模型文件到当前目录的best-model文件夹
best_run.download_files(prefix="outputs/model", output_directory="./best-model")

3. 保存模型对象到本地（方便后续直接加载复用） #

可以直接把训练好的模型对象保存到本地，后续无需重新训练即可加载使用：

from azureml.train.automl import AutoMLModel

# 从最佳运行中加载模型并保存到本地
model = AutoMLModel(workspace=ws, run_id=best_run.id)
model.save("./saved-automl-model")

# 后续加载本地模型的代码
loaded_model = AutoMLModel.load("./saved-automl-model")

4. 保存评估指标到本地文件 #

如果需要留存模型的评估指标（如MAE、RMSE等），可提取后写入本地JSON文件：

import json

# 获取最佳模型的所有评估指标
metrics = best_run.get_metrics()
# 将指标保存到本地JSON文件
with open("./model-metrics.json", "w") as f:
    json.dump(metrics, f, indent=4)

后续需要使用训练结果时，直接从本地目录加载文件或模型即可，无需重复执行AutoML训练。

内容的提问来源于stack exchange，提问作者FannieY