使用mlflowcreate_experiment()在MLflow中创建新实验

在MLflow中，可以使用mlflow.create_experiment()函数创建一个新的实验。该函数接受一个实验名称作为参数，并返回一个 的实验ID。如果已存在具有相同名称的实验，则会返回该实验的ID。

以下是一个使用mlflow.create_experiment()函数创建新实验的示例代码：

import mlflow

# 设置MLflow跟踪的远程或本地服务器
mlflow.set_tracking_uri("http://localhost:5000")

# 创建一个新的实验
experiment_name = "My Experiment"
experiment_id = mlflow.create_experiment(experiment_name)
print("Experiment '{}' created with ID {}".format(experiment_name, experiment_id))

# 设置当前活动的实验
mlflow.set_experiment(experiment_name)

# 运行MLflow跟踪的代码和记录指标
with mlflow.start_run():
    # 记录指标
    mlflow.log_metric("accuracy", 0.95)
    mlflow.log_metric("precision", 0.87)
    mlflow.log_metric("recall", 0.92)

    # 记录超参数
    mlflow.log_param("learning_rate", 0.01)
    mlflow.log_param("batch_size", 32)

    # 记录模型文件
    mlflow.log_artifact("model.pkl")

print("Run finished! View it in the MLflow UI: {}".format(mlflow.get_tracking_uri()))

在这个例子中，首先使用mlflow.set_tracking_uri()函数设置MLflow跟踪的服务器地址。然后，使用mlflow.create_experiment()函数创建一个名为"My Experiment"的新实验，并将返回的实验ID存储在experiment_id变量中。接下来，使用mlflow.set_experiment()函数将当前活动的实验设置为新创建的实验。

使用with mlflow.start_run()代码块开始一个新的跟踪运行。在此代码块内，可以使用mlflow.log_metric()函数记录指标，使用mlflow.log_param()函数记录超参数，并使用mlflow.log_artifact()函数记录任何文件作为附加的实验记录。

最后，可以使用mlflow.get_tracking_uri()函数获取MLflow UI的URL，以在浏览器中查看跟踪记录。