默認情況下，MLflow客戶機在實驗期間將工件保存到工件存儲URI中。工件存儲URI類似於/ dbfs /磚/ mlflow-tracking / < experiment-id > / <運行id > / /工件．

這個工件存儲是一個MLflow管理的位置，因此您不能直接下載工件。

你必須使用client.download_artifacts在MLflow客戶端中將工件從工件存儲區複製到另一個存儲位置。

示例代碼

此示例代碼從特定的運行下載MLflow構件，並將它們存儲在指定的位置中local_dir．

取代< local-path-to-store-artifacts >使用您想要存儲工件的本地路徑。

取代<運行id >與run_id您指定的MLflow運行。

從mlflow導入操作係統。跟蹤導入MlflowClient client = MlflowClient() local_dir = ""如果不是os.path.exists(local_dir): os.mkdir(local_dir) #創建示例工件"features.txt"。features = "rooms, zipcode, median_price, school_rating, transport"， open("features.txt"， 'w') as f: f.r e write(features) #創建示例MLflow運行並記錄構件"features.txt"到MLflow運行。mlflow.log_artifact("features.txt"， artifact_path="features") #下載工件到本地存儲。local_path =客戶。download_artifacts(， "features"， local_dir) print("Artifacts downloads: {}".format(local_dir)) print("Artifacts: {}".format(local_dir))

在將構件下載到本地存儲之後，您可以使用標準工具將它們複製(或移動)到外部文件係統或掛載點。

複製到外部文件係統

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

移動到一個掛載點

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