如何修改MLflow日志的默认保存目录

要修改MLflow的默认日志存储路径，只需要在启动MLflow run之前配置追踪URI即可，针对你给出的代码，可以按以下步骤修改：

步骤1：修改Model类的__init__方法，新增MLflow路径配置 #

你可以直接把目标路径写死，也可以做成可传入的参数，这里推荐做成可配置参数，方便后续调整：

# 修改__init__的入参，新增mlflow_tracking_uri参数
def __init__(self, model, num_classes=5, ignore_index=0, optimizer=None, scheduler=None, criterion=None,
             device=None, epochs=30, train_loader=None, val_loader=None, tb_logger: TBLogger = None,
             logger=None,
             best_model_path=None,
             model_check_point_path=None,
             load_from_best_model=None,
             load_from_model_checkpoint=None,
             early_stopping=None,
             debug=False,
             mlflow_tracking_uri="/path/outputs/lg"): # 新增这一行

    # 原有__init__逻辑保留，在__init__末尾添加以下代码
    self.mlflow_tracking_uri = mlflow_tracking_uri
    # 自动创建路径避免报错
    os.makedirs(self.mlflow_tracking_uri, exist_ok=True)

步骤2：在fit方法启动MLflow run前设置追踪URI #

找到fit方法里with mlflow.start_run():这行，在它前面添加路径配置代码：

def fit(self):
    self.logger.info("\nStart training\n\n")
    start_training_time = time()

    # 新增这一行：设置MLflow日志存储路径
    mlflow.set_tracking_uri(self.mlflow_tracking_uri)

    with mlflow.start_run():
        # 原有训练逻辑完全保留即可

补充说明 #

• 配置完成后，MLflow会自动把所有的指标、参数、版本记录都写入到/path/outputs/lg路径下，不会再在当前脚本同级目录生成默认的mlruns文件夹。
• 后续如果你要启动MLflow UI查看日志，启动命令需要指定对应的存储路径：
  mlflow ui --backend-store-uri /path/outputs/lg

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