mlflow-loglisted

# MLflow 実験管理 docs/EXPERIMENT_LOG.md(人間が読む要約)と MLflow(機械が比較する詳細データ)を 併用する。MLflow は既定ではローカルの mlruns/ に保存される。ただし MLFLOW_TRACKING_URI が設定された環境では外部サーバーに送信されるため、 ローカル保存を保証したい場合は記録コードの先頭で明示的に固定する。 ## 前提条件 - mlflow がインストールされていること。無ければ「`uv add --dev mlflow` で 追加してよいか」をユーザーに確認してから導入する(依存とロックファイルが 変わるため、無断で追加しない) - 記録データは作業スコープ直下の mlruns/ に保存される(デフォルト) ## 用途1: 実験の記録 実験実行後、以下の項目を記録する。 ```python import mlflow mlflow.set_tracking_uri("file:./mlruns") # ローカル保存を明示(環境変数による外部送信を防ぐ) mlflow.set_experiment("<実験グループ名>") # 例: "attention-comparison" with mlflow.start_run(run_name="<この実行の名前>"): # ハイパーパラメータ mlflow.log_param("seed", 42) mlflow.log_param("batch_size", 8) mlflow.log_param("model_version", "v3") # 結果指標 mlflow.log_metric("mae", 0.123) mlflow.log_metric("rmse", 0.456) # 成果物(図など) mlflow.log_artifact("outputs/attention_map.png") ``` 既存の実験スクリプトに記録コードを追加する場合は、最小diff規律に従い 記録に必要な行だけを追加する。 ## 用途2: 実験の比較・検索 「実験AとBを比較して」と言われたら、MlflowClient で過去の run を取得して 表形式で比較する。 ```python import mlflow mlflow.set_tracking_uri("file:./mlruns") # ローカル保存を明示(環境変数による外部送信を防ぐ) runs = mlflow.search_runs(experiment_names=["<実験グループ名>"]) # runs は DataFrame。params.*, metrics.* 列で比較できる ``` 比較結果は表(run名 / 主要パラメータ / 主要指標)で提示する。 ## 用途3: ブラウザUIの案内 ユーザーが視覚的に確認したい場合は、以下を案内する。 ``` MLFLOW_TRACKING_URI=file:./mlruns uv run mlflow ui ``` ローカルの mlruns/ を���実に参照するため、環境変数で明示する。 http://localhost:5000 でダッシュボードが開く。 ## EXPERIMENT_LOG.md との住み分け | | EXPERIMENT_LOG.md | MLflow | |---|---|-