Suivez les expériences avec MLflow - Amazon SageMaker
Installez MLflow et le plugin AWS MLflow Connectez-vous à votre serveur de suivi MLflow

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Suivez les expériences avec MLflow

Amazon SageMaker utilise un plugin MLflow pour personnaliser le comportement du client MLflow Python et intégrer AWS des outils. Le plugin AWS MLflow authentifie les appels d'API effectués avec MLflow à l'aide de AWS Signature Version 4. Le plugin AWS MLflow vous permet de vous connecter à votre serveur de suivi MLflow à l'aide de l'ARN du serveur de suivi. Pour plus d'informations sur les plug-ins, consultez la section Plugins MLflow dans la documentation MLflow.

Commencez avec le SDK MLflow et le plugin AWS MLflow au sein de votre environnement de développement. Cela peut inclure des IDE locaux ou un environnement Jupyter Notebook dans Studio ou Studio Classic.

Important

Vos autorisations utilisateur IAM au sein de votre environnement de développement doivent avoir accès à toutes les actions d'API MLflow pertinentes pour exécuter correctement les exemples fournis. Pour plus d’informations, consultez Configuration des autorisations IAM pour MLflow.

Pour plus d'informations sur l'utilisation du SDK MLflow, consultez l'API Python dans la documentation MLflow.

Installez MLflow et le plugin AWS MLflow

Dans votre environnement de développement, installez MLflow et le plugin AWS MLflow.

Note

Pour savoir quelles versions de MLflow peuvent être utilisées avec SageMaker, voirVersions du serveur de suivi.

pip install mlflow==2.13.2 sagemaker-mlflow==0.1.0

Connectez-vous à votre serveur de suivi MLflow

mlflow.set_tracking_uriÀ utiliser pour vous connecter à votre serveur de suivi depuis votre environnement de développement à l'aide de son ARN :

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)