MLflow Projects保存run到指定experiment id/名称时报错如何解决

1. mlflow.run() 方法默认会查找名为main的项目入口点执行，你在MLproject配置文件中仅定义了generate、train、complete三个入口，没有main入口，因此直接抛出找不到入口的报错。
2. 逻辑存在递归调用风险：你本身是通过generate入口启动的generate_data.py脚本，又在该脚本内部调用mlflow.run执行当前项目，会无限触发新的运行任务，属于完全不必要的冗余逻辑。

根据你的实际需求选择对应方案即可：

方案一：仅需将当前运行记录归到指定experiment #

直接删除mlflow.run(uri=os.getcwd(), experiment_name=experiment_name)这行代码即可，仅保留mlflow.set_experiment(experiment_name)，后续你在脚本中调用的所有mlflow记录接口（比如mlflow.log_param、mlflow.log_metric等），都会自动归属到你设置的experiment下。
如果需要显式控制运行上下文，可补充mlflow.start_run逻辑：

# 先设置目标experiment
mlflow.set_experiment(experiment_name=experiment_name)
# 启动运行上下文
with mlflow.start_run() as current_run:
    # 你的业务逻辑、mlflow记录逻辑都放在这里
    ...

方案二：确实需要在脚本内调用MLflow Project的其他入口 #

如果你的业务逻辑需要在当前脚本中触发项目的其他入口（比如训练入口train），需要显式指定entry_point参数，同时注意不要调用当前正在运行的generate入口，避免递归死循环：

mlflow.run(
    uri=os.getcwd(),
    entry_point="train", # 显式指定要调用的入口名称
    experiment_name=experiment_name,
    parameters={
        # 对应入口需要传入的参数
        "param1": value1,
        "param2": value2
    }
)

内容的提问来源于stack exchange，提问作者Farrandi