MLflow protokolliert oder zeigt Modellartefakte nach dem Trainingslauf nicht an ⇐ Python

[Anonymous]

Ich arbeite an einem maschinellen Lernprojekt mit MLflow für die Experimentverfolgung (auf macOS, Python 3.12, scikit-learn und DagsHub als Tracking-Server). Das Experiment läuft erfolgreich – ich sehe den Lauf, die Metriken und die Parameter in der MLflow-Benutzeroberfläche – aber das Modellartefakt fehlt. Das Artefaktverzeichnis bleibt nach jedem Lauf leer, auch wenn ich am Ende des Trainings mlflow.sklearn.log_model() oder mlflow.log_artifact() aufrufe.

Code: Select all

import mlflow import pickle from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score
mlflow.set_tracking_uri("https://dagshub.com/\\\\\/.mlflow") mlflow.set_experiment("default")
with mlflow.start_run(): model = RandomForestClassifier(n_estimators=200, random_state=42) model.fit(X_train, y_train) y_pred = model.predict(X_test)

Code: Select all

acc = accuracy_score(y_test, y_pred)
mlflow.log_metric("accuracy", acc)

# Tried both methods
mlflow.sklearn.log_model(model, "model")
# or
# pickle.dump(model, open("model.pkl", "wb"))
# mlflow.log_artifact("model.pkl")

Der Lauf wird ohne Fehler abgeschlossen und protokolliert alle Metriken,
aber in der MLflow-Benutzeroberfläche (DagsHub und lokal) bleibt der Abschnitt „Artefakte“ leer – keine Modelldatei.
Ich habe Folgendes bestätigt:
• Der mlruns-Ordner wird erstellt, wenn ein lokaler URI verwendet wird.
• Der Artefaktspeicherort ist korrekt festgelegt in mlflow.get_experiment_by_name("default").
• Dateiberechtigungen sind unter macOS in Ordnung.
• Derselbe Code funktioniert für andere Benutzer im selben Kurs.
Was könnte dazu führen, dass MLflow das Speichern von Artefakten oder Modellen überspringt, obwohl die Ausführungen erfolgreich protokolliert wurden?
Gibt es ein bekanntes Problem mit MLflow unter macOS oder DagsHub? MLflow-Artefaktspeicher?
Irgendwelche Umgebungsvariablen oder Konfigurationen, die mir fehlen könnten?
• macOS Sonoma

• Python 3.12

• MLflow 2.x

• scikit-learn 1.5

• DagsHub-Tracking-Server