MLflow run命令如何传递单参数多值以生成GridSearchCV的param_grid

下面提供两种经过验证的实现方式，可根据你的场景选择：

方案1：分隔符传递多值（改动最小，适合参数数量少的场景） #

核心逻辑是把多值参数序列化为带分隔符的字符串传入，在代码中拆分后转回对应类型：

1. 修改MLproject配置，将参数类型改为string：

name: mlflow_project

conda_env: conda.yml

entry_points:
  main:
    parameters:
      max_depth: string
      n_estimators: string
    command: "python my_code.py --max_depth {max_depth} --n_estimators {n_estimators}"

2. 执行mlflow run命令时用逗号分隔多个取值：

mlflow run . -P max_depth=2,3,4 -P n_estimators=400,600,1000

3. 在Python代码中添加字符串转列表的处理逻辑，替换原有参数的type配置：

# 自定义类型转换函数，支持单值/多值自动处理
def str_to_list(s, target_type):
    return [target_type(i.strip()) for i in s.split(',')]

# 对应参数的type改为包装后的函数，以int类型参数为例：
grid_group.add_argument(f'--{p}', type=lambda x: str_to_list(x, int), nargs=None)

方案2：JSON字符串传递完整param_grid（更灵活，适合多参数场景） #

核心逻辑是直接把整个参数字典序列化为JSON字符串传入，不需要逐个定义参数：

1. 修改MLproject配置，仅保留一个JSON格式的参数入口：

name: mlflow_project

conda_env: conda.yml

entry_points:
  main:
    parameters:
      param_grid: string
    command: "python my_code.py --param_grid {param_grid}"

2. 执行mlflow run命令时传入序列化后的JSON字符串（注意引号转义，Windows环境下将外层单引号替换为双引号，内部引号加转义符）：

mlflow run . -P param_grid='{"max_depth": [2,3,4], "n_estimators": [400,600,1000]}'

3. 在Python代码中直接反序列化得到可直接传入GridSearchCV的参数字典：

import argparse
import json

parser = argparse.ArgumentParser()
parser.add_argument('--param_grid', type=json.loads)
param_grid = vars(parser.parse_args())['param_grid']

该方案无需提前在MLproject中枚举所有超参数，新增超参数时不需要修改项目配置，兼容性更强。

内容的提问来源于stack exchange，提问作者Downforu