搜索实验

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

在本简短的章节中，我们将了解如何使用 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。如果您关闭了正在运行的浏览器窗口，只需在新浏览器窗口中导航到 http://127.0.0.1:8080。

"Apple_Models" 实验在 MLflow UI 中

在 UI 中需要注意的重要组件

在开始向我们的新实验添加更多令人兴奋的内容（如运行）之前，UI 中有一些重要的元素需要注意。请注意下方图中的注释元素。稍后了解这些数据块非常有用。

实验视图页面的关键要素

基于标签进行搜索

现在我们已经看到了实验，并且了解了在创建实验时指定的哪些标签在 UI 中可见，哪些不可见，我们将通过对跟踪服务器应用搜索来探索定义这些标签的原因，以查找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 更通用的用途之一是能够基于常见标签搜索相关实验。您可以在下方看到 search_experiments API 中的过滤功能，在此我们正在搜索自定义 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 项），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]))

已创建实验的元数据

<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

上面的返回结果是为方便阅读而格式化的。此返回类型是 Experiment 对象，而不是 dict。

执行搜索

创建新实验并基于实验标签进行搜索

在下一节中，我们将开始使用此实验为与该实验关联的运行记录训练数据，介绍 MLflow API（流畅 API）的另一个方面以及 MLflow UI 的另一部分（运行信息页面）。

您现在可以 继续下一节，或者 返回教程列表。