如何从GitHub的mlruns文件夹加载MLflow模型至Google Colab

1. 直接URL加载失败的原因与解决 #

MLflow无法通过raw.githubusercontent.com的链接直接加载模型，原因在于：

• Raw URL仅能访问单个文件，而MLflow模型是包含MLmodel、权重文件等的完整目录，需要完整的文件系统访问权限。
• 正确做法是先将GitHub仓库克隆到Colab本地，再通过本地路径加载模型。

2. 克隆仓库后路径错误的修复 #

克隆仓库后仍提示找不到模型，大概率是路径指向错误，按以下步骤排查：

• 克隆仓库：

  !git clone https://github.com/你的用户名/目标仓库名.git
  

• 验证模型目录结构：
  确保克隆后的路径下存在MLmodel文件，执行命令查看目录内容：

  !ls -l /content/目标仓库名/mlruns/0/你的run_id/artifacts/你的模型名/
  

  输出中必须包含MLmodel文件，否则说明上传的mlruns目录不完整。
• 正确加载模型：
  使用绝对路径指向包含MLmodel的目录：

  import mlflow.sklearn
  
  model_path = "/content/目标仓库名/mlruns/0/你的run_id/artifacts/你的模型名"
  model = mlflow.sklearn.load_model(model_path)
  

3. 版本兼容性问题 #

如果本地与Colab的MLflow版本不一致，可能导致模型加载失败，安装与本地相同版本的MLflow：

!pip install mlflow==x.x.x  # 替换成本地使用的MLflow版本号

4. 放弃Registry加载方式 #

本地使用的models:/{model_name}/{model_version}是从MLflow Registry加载，但GitHub上的mlruns目录不包含Registry的元数据，因此只能通过文件路径加载，不能复用本地的Registry加载代码。

内容的提问来源于stack exchange，提问作者AnonymUser