Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Sie können über eine vordefinierte URL auf die MLflow Benutzeroberfläche zugreifen, um Ihre Experimente anzusehen. Sie können die MLflow Benutzeroberfläche entweder über Studio oder AWS CLI in einem Terminal Ihrer Wahl starten.
Starten Sie die MLflow Benutzeroberfläche mit Studio
Nachdem Sie Ihren Tracking-Server erstellt haben, können Sie die MLflow Benutzeroberfläche direkt von Studio aus starten.
-
Navigieren Sie von der SageMaker AI-Konsole aus zu Studio. Stellen Sie sicher, dass Sie das neue Studio-Erlebnis verwenden und von Studio Classic aus aktualisiert haben. Weitere Informationen finden Sie unter Migration von Amazon SageMaker Studio Classic.
-
Wählen Sie MLflowim Bereich Anwendungen der Studio-Benutzeroberfläche.
-
(Optional) Wenn Sie noch keinen Tracking-Server erstellt haben oder wenn Sie einen neuen erstellen müssen, können Sie Create wählen. Geben Sie dann einen eindeutigen Tracking-Servernamen und eine S3-URI für die Speicherung von Artefakten ein und erstellen Sie einen Tracking-Server. Sie können optional „Konfigurieren“ wählen, um den Tracking-Server detaillierter anzupassen.
-
Suchen Sie im Bereich Tracking-Server nach dem MLflow Tracking-Server Ihrer Wahl. Wenn der Tracking-Server ausgeschaltet ist, starten Sie den Tracking-Server.
-
Wählen Sie das vertikale Menüsymbol in der rechten Ecke des Tracking-Server-Fensters. Wählen Sie dann Open (Öffnen) MLflow aus. Dadurch wird eine vorsignierte URL in einem neuen Tab in Ihrem aktuellen Browser geöffnet.
Starten Sie die MLflow Benutzeroberfläche mit dem AWS CLI
Sie können über eine vorsignierte URL auf die MLflow Benutzeroberfläche zugreifen, um Ihre Experimente anzusehen.
Verwenden Sie in Ihrem Terminal die create-presigned-mlflow-tracking-server-url API, um eine vorsignierte URL zu generieren.
aws sagemaker create-presigned-mlflow-tracking-server-url \ --tracking-server-name$ts_name\ --session-expiration-duration-in-seconds1800\ --expires-in-seconds300\ --region$region
Die Ausgabe sollte folgendermaßen oder ähnlich aussehen:
{
"AuthorizedUrl": "https://unique-key.us-west-2.experiments.sagemaker.aws.a2z.com/auth?authToken=example_token"
}Kopieren Sie die gesamte vorsignierte URL in den Browser Ihrer Wahl. Sie können einen neuen Tab oder ein neues privates Fenster verwenden. Drücken Sieq, um die Eingabeaufforderung zu beenden.
Der --session-expiration-duration-in-seconds Parameter bestimmt, wie lange Ihre MLflow UI-Sitzung gültig bleibt. Die Sitzungsdauer gibt an, wie lange die MLflow Benutzeroberfläche in den Browser geladen werden kann, bevor eine neue vorsignierte URL erstellt werden muss. Die minimale Sitzungsdauer beträgt 30 Minuten (1800 Sekunden) und die maximale Sitzungsdauer beträgt 12 Stunden (43200 Sekunden). Die Standardsitzungsdauer beträgt 12 Stunden, wenn keine andere Dauer angegeben ist.
Das --expires-in-seconds parameter bestimmt, wie lange Ihre vorsignierte URL gültig bleibt. Die minimale URL-Ablauflänge beträgt 5 Sekunden und die maximale URL-Ablauflänge beträgt 5 Minuten (300 Sekunden). Die standardmäßige URL-Ablauflänge beträgt 300 Sekunden. Die vorsignierte URL kann nur einmal verwendet werden.
Das Fenster sollte wie folgt aussehen.
