小编Bea*_*oes的帖子

我想将从 mlflow 获取的参数和指标保存到 s3 存储桶中。通常我通过设置tracking_uriin mlflow 来获取这些并将其保存在服务器上，但在这种情况下我不能拥有服务器（被告知不行），只想以与以下相同的方式将我的参数和指标存储在 s3 存储桶上它将使用tracking_uri.

我可以毫无问题地将工件存储在 s3 存储桶上，但不能存储参数/指标。

这是一些代码：

def mlflow_testing():
    
    tracking_uri =  "s3://bucket_name/mlflow/",
    experiment_name = "test",
    artifact_uri= "s3://bucket_name/mlflow/"
    
    mlflow.set_tracking_uri(tracking_uri)
    mlflow.create_experiment(experiment_name, artifact_uri)
    mlflow.set_experiment(experiment_name)
    
    with mlflow.start_run() as run:
        mlflow.log_param("test1", 0)
        mlflow.log_metric("test2", 1)
    
        with open("test.txt", "w") as f:
            f.write("this is an artifact")
    
        mlflow.log_artifact("test.txt")
        mlflow.end_run()

这能够将工件文本文件存储在 s3 存储桶上（只要我将 uri 设置为本地路径，而local_data/mlflow不是 s3 存储桶）。

设置 s3 存储桶会导致tracking_uri此错误：

mlflow.tracking.registry.UnsupportedModelRegistryStoreURIException:
Model registry functionality is unavailable; got unsupported URI
's3://bucket_location/mlflow/' for model registry data storage.
Supported …