У меня есть работающий сервер MlFlow на экземпляре виртуальной машины GCS. Я создал ведро для регистрации артефактов. Это команда, которую я запускаю, чтобы запустить сервер и указать путь к корзине -
mlflow server --default-artifact-root gs://gcs_bucket/artifacts --host x.x.x.x
Но сталкивается с этой ошибкой:
TypeError: stat: path should be string, bytes, os.PathLike or integer, not ElasticNet
Примечание. Сервер mlflow работает нормально с указанный хост один. Проблема в том, когда я указываю путь к хранилищу. Я дал разрешение на хранение API, используя эти команды:
gcloud auth application-default login
gcloud auth login
Кроме того, при печати URI артефакта, это то, что я получаю:
mlflow.get_artifact_uri()
Вывод:
gs://gcs_bucket/artifacts/0/122481bf990xxxxxxxxxxxxxxxxxxxxx/artifacts
Итак, по указанному выше пути откуда он идет 0/122481bf990xxxxxxxxxxxxxxxxxxxxx/artifacts и почему он не создается автоматически при gs://gcs_bucket/artifacts
После дополнительной отладки, почему он не может получить локальный путь от виртуальной машины: 
И эта ошибка, которую я получаю на виртуальной машине:
ARNING:root:Malformed experiment 'mlruns'. Detailed error Yaml file './mlruns/mlruns/meta.yaml' does not exist.
Traceback (most recent call last):
File "/usr/local/lib/python3.6/dist-packages/mlflow/store/tracking/file_store.py", line 197, in list_experiments
experiment = self._get_experiment(exp_id, view_type)
File "/usr/local/lib/python3.6/dist-packages/mlflow/store/tracking/file_store.py", line 256, in _get_experiment
meta = read_yaml(experiment_dir, FileStore.META_DATA_FILE_NAME)
File "/usr/local/lib/python3.6/dist-packages/mlflow/utils/file_utils.py", line 160, in read_yaml
raise MissingConfigException("Yaml file '%s' does not exist." % file_path)
mlflow.exceptions.MissingConfigException: Yaml file './mlruns/mlruns/meta.yaml' does not exist.
Могу ли я найти решение этой проблемы? отсутствует