如何通过Python SDK检索AutoML多模型预测训练的子作业结果？

获取所有子作业ID #

先连接到Azure ML工作区，找到对应的父流水线作业，定位到mm-models train步骤作业后，即可列出所有子作业：

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

# 初始化ML客户端
ml_client = MLClient(
    DefaultAzureCredential(),
    subscription_id="<你的订阅ID>",
    resource_group_name="<你的资源组名称>",
    workspace_name="<你的工作区名称>"
)

# 获取父流水线作业
parent_job = ml_client.jobs.get(name="<父流水线作业名称>", version="<作业版本>")

# 定位到mm-models train步骤对应的作业
train_step_job = None
for step in parent_job.jobs:
    if step.name == "mm-models train":
        train_step_job = ml_client.jobs.get(name=step.name, version=step.version)
        break

# 列出该步骤下的所有子作业
child_jobs = ml_client.jobs.list_child_jobs(
    parent_job_name=train_step_job.name,
    parent_job_version=train_step_job.version
)

# 收集子作业ID和分区信息（分区信息通常在tags或properties中）
for job in child_jobs:
    partition = job.tags.get("partition_keys", "未知分区")
    print(f"分区: {partition}, 子作业ID: {job.name}, 状态: {job.status}")

获取子作业训练结果 #

针对每个子作业，可提取最佳模型、超参数、训练指标，以及下载交叉验证预测、可解释性文件等输出：

# 指定目标子作业ID
target_child_job_id = "<目标子作业ID>"
child_job = ml_client.jobs.get(name=target_child_job_id)

# 获取AutoML最佳运行实例
best_run = child_job.best_run

# 提取超参数
print("最佳模型超参数:")
for param, value in best_run.parameters.items():
    print(f"{param}: {value}")

# 提取训练指标
metrics = ml_client.jobs.get_metrics(best_run.name)
print("\n训练指标:")
for metric, value in metrics.items():
    print(f"{metric}: {value}")

# 查看作业输出项
print("\n作业输出文件路径:")
for output_name, output in child_job.outputs.items():
    print(f"{output_name}: {output.path}")

# 下载指定输出到本地（示例：下载predictions输出）
ml_client.jobs.download(
    name=target_child_job_id,
    output_name="predictions",
    download_path="./local_download_dir"
)

注意事项 #

• 分区信息的存储位置可能因作业配置略有差异，若tags.get("partition_keys")无法获取，可尝试从job.properties.get("azureml.partition_keys")提取。
• 若子作业状态为Completed，才能正常获取所有结果；若处于Running或Failed状态，部分结果可能无法提取。

内容的提问来源于stack exchange，提问作者Robin Reiners