使用pytorch_lightning的MLFlowLogger对接Azure机器学习工作室抛BAD_REQUEST异常如何解决

错误原因 #

该错误由MLFlow服务端的强制校验触发：同一个指标名一旦使用同步API提交过数值，后续该指标的所有数值都必须通过同步API提交，不允许混用异步API，反之同理。
之前流程正常运行，近期报错大概率是因为你升级了PyTorch Lightning或MLFlow依赖包，版本更新后MLFlowLogger的默认日志提交逻辑从全同步变为异步，导致新旧提交方式冲突。

修复方案 #

• 方案1：强制MLFlowLogger使用同步模式提交日志
  初始化MLFlowLogger时显式添加log_experiment="sync"参数即可，无需修改其他训练逻辑，兼容性最高，示例代码：

from pytorch_lightning.loggers import MLFlowLogger

mlflow_logger = MLFlowLogger(
    experiment_name="你的实验名称",
    tracking_uri="你的MLFlow跟踪服务地址",
    # 新增以下配置强制同步提交
    log_experiment="sync"
)

• 方案2：清理冲突记录
  如果不想切换到同步模式，可以删除本次已经通过同步API提交过指标的MLFlow运行记录，或者直接新建一个实验，避免历史记录的校验冲突，之后保持统一使用异步模式提交即可。
• 方案3：回退依赖版本
  如果是近期升级依赖才出现的问题，可以回退到上周末之前正常运行的PyTorch Lightning和MLFlow版本，比如pytorch-lightning<=1.3.8 + mlflow<=1.18.0的版本组合就不会触发这个默认逻辑变更的问题。

内容的提问来源于stack exchange，提问作者Michał B