使用MLflow记录模型时遭遇UnicodeDecodeError错误求助

问题诊断 #

报错堆栈显示，MLflow在执行依赖推断的子命令时，尝试用UTF-8解码标准错误输出（stderr）失败，字节0xe9通常对应中文或其他非ASCII字符。大概率是你的Python环境路径、系统用户路径包含中文，导致子命令输出的路径信息无法用UTF-8解码。

解决办法 #

1. 手动指定pip依赖（推荐） #

直接在mlflow.sklearn.log_model中通过pip_requirements参数传入明确的依赖列表，跳过MLflow的自动依赖推断逻辑：

# 替换原有的log_model代码
if tracking_url_type_store != "file":
    mlflow.sklearn.log_model(
        lr, 
        "model", 
        registered_model_name="ElasticnetWineModel",
        pip_requirements=["scikit-learn==1.0.2", "cloudpickle==2.1.0"]  # 可添加其他项目依赖
    )
else:
    mlflow.sklearn.log_model(
        lr, 
        "model",
        pip_requirements=["scikit-learn==1.0.2", "cloudpickle==2.1.0"]
    )

2. 修改MLflow源码临时修复 #

找到虚拟环境中的requirements_utils.py文件（路径：D:\_verse\test_mlflow\lib\site-packages\mlflow\utils\requirements_utils.py），修改第208行的解码逻辑：
将原代码：

stderr = stderr.decode("utf-8")

替换为以下任一方式：

• 方式一：使用系统默认编码解码

import locale
stderr = stderr.decode(locale.getpreferredencoding())

• 方式二：指定中文编码并忽略错误

stderr = stderr.decode("gbk", errors="replace")

3. 更换无中文路径的Python环境 #

重新创建一个路径全为英文的虚拟环境（例如D:\venvs\mlflow_env），安装MLflow、scikit-learn等依赖后，在新环境中运行代码，从根源避免路径中的非ASCII字符引发编码问题。

内容的提问来源于stack exchange，提问作者DamienM