如何通过AzureML SDK v2编程获取指标超阈值的实验

步骤说明 #

1. 连接到AzureML工作区
2. 遍历所有实验，获取每个实验下的流水线运行记录
3. 定位流水线中的作业Y，提取目标指标（如F1）
4. 筛选出指标值大于设定阈值的实验名称

代码实现（使用AzureML Python SDK v2） #

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

# 初始化工作区连接
ml_client = MLClient(
    credential=DefaultAzureCredential(),
    subscription_id="你的订阅ID",
    resource_group_name="你的资源组名称",
    workspace_name="你的工作区名称",
)

# 设定参数
target_job_name = "作业Y"
target_metric = "F1"
threshold = 0.8  # 自定义阈值

# 存储符合条件的实验名称
qualified_experiments = []

# 遍历所有实验
for experiment in ml_client.experiments.list():
    # 获取实验下的所有流水线运行
    for run in ml_client.jobs.list(experiment_name=experiment.name):
        # 仅处理流水线类型的作业
        if run.type == "pipeline":
            # 遍历流水线中的子作业
            for child_job in run.children:
                if child_job.name == target_job_name:
                    # 读取作业的指标
                    metrics = ml_client.jobs.get(child_job.id).metrics
                    if target_metric in metrics:
                        metric_value = metrics[target_metric]
                        if metric_value > threshold:
                            qualified_experiments.append(experiment.name)
                            # 避免同一实验多次添加
                            break
            break

# 输出结果
print("符合条件的实验名称：")
for exp_name in set(qualified_experiments):
    print(exp_name)

关键说明 #

• 确保已安装AzureML SDK v2：pip install azure-ai-ml
• 若使用服务 principal 认证，需替换DefaultAzureCredential()为对应认证方式
• 指标名称需与作业中记录的完全一致（区分大小写）
• 代码中通过set(qualified_experiments)去重，避免同一实验因多次运行被重复添加

内容的提问来源于stack exchange，提问作者Jau A