MLflow 2.1.0报INVALID_PARAMETER_VALUE错误，请求协助排查

问题重现 #

使用MLflow 2.1.0时，执行以下代码触发mlflow.exceptions.RestException：

mlflow.start_run()
mlflow.log_params({'key1':1, 'key2':2})
mlflow.log_param('key3', 3) # 此处抛出异常

异常详情：

mlflow.exceptions.RestException: INVALID_PARAMETER_VALUE: Response:
{
'Error': {
'Code': 'ValidationError',
'Severity': None,
'Message': 'Parameters can not be modified after a value is set.',
'MessageFormat': None,
'MessageParameters': None,
'ReferenceCode': None,
'DetailsUri': None,
'Target': None,
'Details': [],
'InnerError': None,
'DebugInfo': None,
'AdditionalInfo': None
},
'Correlation': {
'operation': '13b09a7297c0e920a41eeaa728c4cb4e',
'request': 'ae8a75a01a168e65'
},
'Environment': 'westeurope',
'Location': 'westeurope',
'Time': '2022-12-22T23:37:07.4626959+00:00',
'ComponentName': 'mlflow',
'error_code': 'INVALID_PARAMETER_VALUE'
}

原因分析 #

你使用的MLflow后端（从环境信息看是Azure ML集成的MLflow服务）存在参数提交限制：首次批量提交参数后，不允许再追加单个参数。这类托管服务通常为保证参数数据的原子性和一致性，默认启用该限制。

解决方案 #

方案1：一次性提交所有参数 #

将所有需要记录的参数整合到一个字典中，通过mlflow.log_params()一次性提交：

mlflow.start_run()
mlflow.log_params({'key1':1, 'key2':2, 'key3':3})

方案2：切换到MLflow本地存储模式 #

如果仅用于本地调试，可切换到本地文件/SQLite存储后端，默认支持分批次记录参数：

mlflow.set_tracking_uri("sqlite:///mlruns.db") # 配置本地SQLite存储
mlflow.start_run()
mlflow.log_params({'key1':1, 'key2':2})
mlflow.log_param('key3', 3) # 本地模式下正常执行

方案3：调整后端配置（若有权限） #

如果是自行部署的MLflow服务，可检查服务端配置中是否有允许参数追加的选项，调整相关限制。但托管类MLflow服务大多不会开放该配置。

内容的提问来源于stack exchange，提问作者Kaushik J