如何在Databricks Python Notebook中隐藏Uploading artifacts组件以节省内存

嗨，我完全懂你遇到的困扰——那个“Uploading artifacts”的组件不仅占内存，还会让Notebook界面显得杂乱，确实得想办法关掉它。这里有几个实用的解决办法，你可以根据自己的场景选：

• 禁用MLflow自动日志（最直接的方式）
  这个组件通常是MLflow自动记录实验时触发的，只要关闭自动日志就能阻止它出现。在Notebook的开头加上这段代码：

  import mlflow
  mlflow.autolog(disable=True)
  

  要是之后你还需要手动记录实验数据，记得自己调用mlflow.start_run()这类手动日志接口就行。

• 通过环境变量隐藏组件
  如果你不想完全禁用MLflow日志，只是不想显示上传组件，可以设置对应的环境变量，在Notebook里执行：

  import os
  os.environ['MLFLOW_DISABLE_ARTIFACT_UPLOAD_WIDGET'] = 'true'
  

  这个变量会直接阻止上传进度组件的渲染，不影响MLflow的日志记录功能。

• 针对特定ML框架关闭自动日志
  要是你只在使用某个框架（比如Scikit-learn、TensorFlow）时出现这个组件，可以精准关闭对应框架的自动日志：

  # 以Scikit-learn为例
  import mlflow.sklearn
  mlflow.sklearn.autolog(disable=True)
  

  这样其他框架的自动日志不受影响，也能避免出现上传组件。

• 集群全局配置（适合多Notebook场景）
  如果你有多台Notebook都需要隐藏这个组件，可以在集群的初始化脚本里加入环境变量配置：

  export MLFLOW_DISABLE_ARTIFACT_UPLOAD_WIDGET=true
  

  这样整个集群的所有Notebook都会生效，不用每个Notebook单独设置。

注意事项 #

• 确保你的Databricks Runtime版本在10.4 LTS及以上，部分旧版本可能不支持MLFLOW_DISABLE_ARTIFACT_UPLOAD_WIDGET这个环境变量。
• 关闭自动日志后，若需要手动上传 artifacts，记得用mlflow.log_artifact()、mlflow.log_params()这类手动API。

内容来源于stack exchange