如何修改MLflow autolog记录的指标及使用_AutologgingMetricsManager类

1. 是否可以修改autolog默认记录的指标？ #

可以，有两种常见的修改方式：

• 关闭不需要的默认指标记录：各框架的autolog接口都提供了开关参数来控制默认记录内容，比如log_training_metrics、log_eval_metrics、log_model_signature等，将对应参数设为False即可关闭对应默认记录项。示例：

  # 关闭sklearn autolog默认的训练指标记录
  mlflow.sklearn.autolog(log_training_metrics=False)
  

• 新增自定义指标：在开启autolog的状态下，你可以在训练/评估代码中直接调用mlflow.log_metric()、mlflow.log_metrics()方法记录自定义指标，这些指标会和autolog默认记录的内容合并存储到同一个运行（run）中，不会产生冲突。

2. _AutologgingMetricsManager类的使用说明 #

_AutologgingMetricsManager是MLflow的内部私有实现类（命名前缀的下划线代表非公开API），主要用于autolog运行过程中管理指标队列、避免重复记录、处理跨线程的指标数据同步，不建议普通用户直接调用：

• 这类内部API没有版本兼容性保证，MLflow版本迭代时可能会无预警修改、删除相关接口，直接调用会导致你的代码后续升级MLflow时直接报错
• 绝大多数自定义指标场景都可以通过上面提到的手动调用mlflow.log_metric的方式实现，完全不需要操作内部类
• 如果确实有深度定制autolog逻辑的需求，建议使用MLflow提供的公开回调接口或者自定义装饰器来扩展，不要直接依赖内部实现。

内容的提问来源于stack exchange，提问作者ik9151379915