搜索实验

在上一节中，我们创建了第一个 MLflow 实验，提供了自定义标签，以便我们可以找到属于更大项目的相关实验。

在本简短章节中，我们将学习如何使用 MLflow 客户端 API 执行这些搜索。

在执行搜索之前，让我们在 UI 中查看我们的 Apple_Models 实验。

在 UI 中查看我们的新实验

和以前一样，我们将连接到正在运行的 MLflow 跟踪服务器以查看 MLflow UI。如果您已关闭运行它的浏览器窗口，只需在新浏览器窗口中导航到 http://127.0.0.1:8080 即可。

MLflow UI 中的“Apple_Models”实验

UI 中需要注意的重要组件

在这一点上，在开始向我们的新实验添加更多激动人心的内容（例如运行）之前，UI 中有一些重要元素需要注意。请注意下图中带注释的元素。稍后了解这些数据位在那里会很有用。

实验视图页面的关键元素

基于标签搜索

现在我们已经看到了实验，并了解了我们在创建实验时指定的哪些标签在 UI 中可见，哪些不可见，我们将探索定义这些标签的原因，因为我们将对跟踪服务器应用搜索以查找其自定义标签值与我们的查询词匹配的实验。

在实验中设置 tags 的更通用用途之一是根据共同标签启用相关实验的搜索。search_experiments API 中的过滤功能如下所示，我们正在搜索其自定义 project_name 标签与 grocery-forecasting 完全匹配的实验。

请注意，用于搜索过滤的格式有一些细微之处。对于命名实体（例如，此处，过滤器字符串开头的 tags 词），可以直接使用键。但是，要引用自定义标签，请注意使用的特定语法。自定义标签名称用反引号 (`) 括起来，我们的匹配搜索

# Use search_experiments() to search on the project_name tag key

apples_experiment = client.search_experiments(
    filter_string="tags.`project_name` = 'grocery-forecasting'"
)

print(vars(apples_experiment[0]))

与创建的实验关联的元数据

<Experiment: artifact_location='mlflow-artifacts:/926031323154788454',
              creation_time=1694018173427,
              experiment_id='926031323154788454',
              last_update_time=1694018173427,
              lifecycle_stage='active',
              name='Apple_Models',
              tags={
                'mlflow.note.content': 'This is the grocery forecasting project. This '
                        'experiment contains the produce models for apples.',
                'project_name': 'grocery-forecasting',
                'project_quarter': 'Q3-2023',
                'team': 'stores-ml'}
>

注意

上面返回的结果已格式化以提高可读性。此返回类型是 Experiment 对象，而不是 dict。

执行搜索

创建新实验并根据实验标签搜索

在下一节中，我们将开始使用此实验将训练数据记录到与此实验关联的运行中，从而介绍 MLflow API（流畅 API）的另一个方面和 MLflow UI（运行信息页面）的另一部分。

您现在可以继续到教程的下一节，或返回教程列表。