默認情況下,MLflow客戶節省工件工件存儲URI在一個實驗。類似於工件存儲URI/ dbfs /磚/ mlflow-tracking / < experiment-id > / / <運行id > /工件。

這個工件商店MLflow管理的位置,所以你不能直接下載工件。

你必須使用client.download_artifacts在MLflow客戶端將從工件存儲工件複製到另一個存儲位置。

示例代碼

這個示例代碼下載MLflow工件從一個特定的運行並將它們存儲在指定的位置local_dir。

取代< local-path-to-store-artifacts >與當地的路徑要存儲工件。

取代<運行id >與run_id你的指定MLflow運行。

%來自mlflow python導入mlflow導入係統。跟蹤進口MlflowClient客戶= MlflowClient () local_dir = < local-path-to-store-artifacts >“如果不是os.path.exists (local_dir): os.mkdir (local_dir) #創建示例構件“features.txt”。特點= "房間、zipcode median_price、school_rating、運輸”張開(”特性。txt”,“w”) f: f.write(特性)#創建示例MLflow運行和日誌構件”的特性。txt”MLflow運行。用mlflow.start_run()運行:mlflow.log_artifact(”特性。txt”, artifact_path = "特性")#工件下載到本地存儲。local_path =客戶。download_artifacts(<運行id >,“特性”,local_dir)打印(“工件下載:{}”.format (local_dir))打印(“構件:{}”.format (local_dir))

後的工件已經下載到本地存儲,你可以複製(或移動)外部文件係統使用標準工具或掛載點。

複製到外部文件係統

% scala dbutils.fs。cp (local_dir <文件係統:/ / path-to-store-artifacts >)

搬到一個掛載點

python shutil %。移動(local_dir“/ dbfs / mnt / < path-to-store-artifacts >”)