MLflow UI不显示Keras模型日志运行记录，如何指定mlruns目录？

方法1：启动UI时直接指定存储路径 #

启动MLflow UI时，通过--backend-store-uri参数明确指向代码目录下的mlruns文件夹，命令示例：

mlflow ui --backend-store-uri /path/to/your/code/directory/mlruns

这样UI会直接读取该目录下的运行记录，无需手动移动文件。

方法2：在代码中配置跟踪路径 #

在调用mlflow.tensorflow.autolog()前，先设置MLflow的跟踪URI，让日志直接写入目标目录，代码示例：

import mlflow
# 替换为你的代码目录下mlruns的绝对路径
mlflow.set_tracking_uri("file:///path/to/your/code/directory/mlruns")
mlflow.tensorflow.autolog()

后续启动MLflow UI时，要么在该目录下直接启动，要么用--backend-store-uri指定上述路径，就能看到完整的运行记录。

方法3：设置环境变量实现全局默认指向 #

如果希望每次启动MLflow都默认读取目标mlruns目录，可以设置环境变量MLFLOW_TRACKING_URI：

Windows PowerShell #

$env:MLFLOW_TRACKING_URI = "file:///C:/path/to/your/code/directory/mlruns"

Linux/macOS #

export MLFLOW_TRACKING_URI="file:///path/to/your/code/directory/mlruns"

设置完成后，直接启动MLflow UI即可自动加载该路径下的记录。

另外，针对你提到的autolog警告，即便TensorFlow版本符合要求，也可以尝试将MLflow升级到适配TensorFlow 2.10.1的最新兼容版本，能减少不必要的警告输出。

内容的提问来源于stack exchange，提问作者Henry Bai