You need to enable JavaScript to run this app. MLflow如何将运行记录从一个实验迁移或复制到另一个实验?
优惠活动
大模型
产品
解决方案
定价
更多

MLflow如何将运行记录从一个实验迁移或复制到另一个实验?

MLflow单条运行记录跨实验迁移方案

可行性说明

MLflow 1.10.0及以上版本原生支持运行记录在不同实验之间迁移,操作不会丢失运行关联的指标、参数、标签、artifacts等全量数据。

操作前提

  • MLflow服务端和本地Python SDK版本均≥1.10.0
  • 你拥有源运行所属实验、目标实验的读写权限
  • 迁移前建议提前备份核心运行数据,避免误操作导致数据丢失

Python API实现步骤

1. 初始化MLflow客户端

import mlflow
from mlflow.tracking import MlflowClient

# 替换为你的MLflow跟踪服务地址,本地存储可填文件路径
mlflow.set_tracking_uri("http://your-mlflow-server:5000")
client = MlflowClient()

2. 获取目标实验ID和源运行ID

你可以直接从MLflow UI的地址栏获取对应ID,也可以通过API查询:

# 查询目标实验ID,替换为你的目标实验名称
target_exp = client.get_experiment_by_name("your_target_experiment_name")
target_exp_id = target_exp.experiment_id

# 替换为你要迁移的源运行ID
source_run_id = "your_source_run_id"

3. 执行迁移操作

# 调用原生迁移接口
client.move_run(run_id=source_run_id, dest_experiment_id=target_exp_id)

验证与注意事项

  • 迁移完成后可通过以下代码校验结果:
moved_run = client.get_run(source_run_id)
print(f"迁移后所属实验ID:{moved_run.info.experiment_id}")
assert moved_run.info.experiment_id == target_exp_id, "迁移未成功"
  • 迁移操作会直接移除源实验下的对应运行记录,如果你需要在源实验保留副本,可以先读取源运行的全量数据,在目标实验下新建运行写入相同内容,再按需决定是否删除源运行。
  • 关联了外部存储的artifacts也会同步迁移,大体积artifacts迁移耗时会相对较长,操作期间不要中断进程。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 14:54:03