如何修改MLflow在mlruns下的实验编号与运行日志目录名称

一、替换默认实验ID（mlruns/0中的0） #

默认的0是MLflow的默认实验ID，要改成自定义实验对应的ID，你需要显式创建或指定目标实验：

• 直接用mlflow.set_experiment("你的实验名称")切换到目标实验，若实验不存在，MLflow会自动创建它，此时日志会存入mlruns/{新实验ID}目录，替代原来的0。
• 若要手动指定实验ID，先执行mlflow.create_experiment("你的实验名称")，它会返回新的实验ID，再用mlflow.set_experiment(experiment_id=你的实验ID)完成切换。

结合PyTorch Lightning场景，建议在训练启动前（比如主脚本开头，或PD_Learner的setup方法内）添加代码：

import mlflow

# 创建或切换到目标实验
mlflow.set_experiment("PD_Model_Training")

二、自定义运行名称（替换随机名称） #

默认的随机运行名称可通过两种方式修改：

1. 启动MLflow运行时指定：调用mlflow.start_run()时传入run_name参数：

with mlflow.start_run(run_name="epoch_10_lr_0.001"):
    # 训练、日志参数指标的逻辑
    mlflow.log_params(...)

2. 通过PyTorch Lightning的MLflowLogger配置：若使用Lightning自带的MLflowLogger，初始化时直接指定run_name：

from pytorch_lightning.loggers import MLFlowLogger

mlf_logger = MLFlowLogger(
    experiment_name="PD_Model_Training",
    run_name="custom_run_name_here"
)

# 将logger传入Trainer
trainer = Trainer(logger=mlf_logger)

注意：如果PD_Learner类已自行集成MLflow，需确保在调用mlflow.log_params()前，已启动指定名称的run，或配置了正确的logger。

内容的提问来源于stack exchange，提问作者Ameya Jain