为MLflow项目复用现有Conda环境时为何自动新建临时环境？

1. Conda环境配置文件内容不完整 #

你导出的envname.yml缺少MLflow必需的dependencies字段，该字段用于声明Python版本、第三方依赖包信息。你当前使用的yml仅包含环境名、镜像源、本地路径三个字段，没有任何依赖声明，MLflow无法识别你需要的环境配置，就会默认创建内置的Python 2基础环境。

正常conda env export导出的yml文件末尾应该包含类似如下的dependencies配置段：

dependencies:
  - python=3.9.16
  - pytorch=2.0.1
  - pip:
    - mlflow==2.4.1

修复方法： #

• 重新导出环境时加上--no-builds参数去除冗余的构建信息，同时检查导出的文件是否包含完整的dependencies段：

  conda env export --name ENVNAME --no-builds > envname.yml
  

• 手动删除yml文件中的prefix字段，该字段是本地环境的绝对路径，MLflow不会读取该字段复用你本地的现有环境，留着只会干扰跨设备使用。

2. MLflow默认行为为新建独立环境 #

默认情况下mlflow run命令会基于yml配置新建独立的隔离环境，不会直接复用你本地已有的同名环境，如果你需要直接用本地现有环境运行，需要加--no-conda参数：

mlflow run . --no-conda

注意：使用--no-conda参数时需要提前激活你要使用的目标Conda环境，再执行上述命令

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