mlflow.artifacts

用于与 MLflow 中的工件交互的 API

参数:

artifact_uri – 指向工件的 URI，例如 "runs:/500cf58bee2b40a4a82861cc31a617b1/my_model.pkl"，"models:/my_model/Production"，或 "s3://my_bucket/my/file.txt"。必须指定 artifact_uri 或 run_id 中的一个。
run_id – 包含工件的 MLflow Run 的 ID。必须指定 run_id 或 artifact_uri 中的一个。
artifact_path – (用于 run_id) 如果指定，则为相对于 MLflow 运行根目录的路径，包含要下载的工件。
dst_path – 本地文件系统目标目录的路径，用于下载指定的构件。如果该目录不存在，则会被创建。如果未指定，构件将被下载到一个本地文件系统上新创建的唯一命名的目录中，除非构件已经存在于本地文件系统中，在这种情况下，它们的本地路径将直接返回。
tracking_uri – 下载工件时要使用的跟踪URI。

返回:

本地文件系统中工件文件或目录的位置。

mlflow.artifacts.list_artifacts(artifact_uri: str | None = None, run_id: str | None = None, artifact_path: str | None = None, tracking_uri: str | None = None)[源代码]

列出指定URI的工件。

参数:

artifact_uri – 指向工件的 URI，例如 "runs:/500cf58bee2b40a4a82861cc31a617b1/my_model.pkl"，"models:/my_model/Production"，或 "s3://my_bucket/my/file.txt"。必须指定 artifact_uri 或 run_id 中的一个。
run_id – 包含工件的 MLflow Run 的 ID。必须指定 run_id 或 artifact_uri 中的一个。
artifact_path – (用于 run_id) 如果指定，则为相对于 MLflow Run 根目录的路径，包含要列出的工件。
tracking_uri – 在列出工件时使用的跟踪URI。

返回:

直接列在路径下的文件信息列表。

mlflow.artifacts.load_dict(artifact_uri: str) → dict[源代码]

将工件内容加载为字典。

参数:: artifact_uri – 工件位置。
返回:: 一个字典。

示例

import mlflow

with mlflow.start_run() as run:
    artifact_uri = run.info.artifact_uri
    mlflow.log_dict({"mlflow-version": "0.28", "n_cores": "10"}, "config.json")
    config_json = mlflow.artifacts.load_dict(artifact_uri + "/config.json")
    print(config_json)

输出

{'mlflow-version': '0.28', 'n_cores': '10'}

mlflow.artifacts.load_image(artifact_uri: str)[源代码]

将工件内容加载为 PIL.Image.Image 对象

参数:: artifact_uri – 工件位置。
返回:: 一个 PIL.Image 对象。

示例

import mlflow
from PIL import Image

with mlflow.start_run() as run:
    image = Image.new("RGB", (100, 100))
    artifact_uri = run.info.artifact_uri
    mlflow.log_image(image, "image.png")
    image = mlflow.artifacts.load_image(artifact_uri + "/image.png")
    print(image)

输出

<PIL.PngImagePlugin.PngImageFile image mode=RGB size=100x100 at 0x11D2FA3D0>

mlflow.artifacts.load_text(artifact_uri: str) → str[源代码]

将工件内容加载为字符串。

参数:: artifact_uri – 工件位置。
返回:: 作为字符串的工件内容。

示例

import mlflow

with mlflow.start_run() as run:
    artifact_uri = run.info.artifact_uri
    mlflow.log_text("This is a sentence", "file.txt")
    file_content = mlflow.artifacts.load_text(artifact_uri + "/file.txt")
    print(file_content)

输出

This is a sentence