Prasyarat Penyiapan AWS CLI model Menyiapkan infrastruktur MLFlow Buat server pelacakan MLFlow

Buat server pelacakan menggunakan AWS CLI

Anda dapat membuat server pelacakan menggunakan peny AWS CLI esuaian keamanan yang lebih terperinci.

Prasyarat

Untuk membuat server pelacakan menggunakan AWS CLI, Anda harus memiliki yang berikut:

Akses ke terminal. Ini dapat mencakup IDE lokal, instans Amazon EC2, atau AWS CloudShell.
Akses ke lingkungan pengembangan. Ini dapat mencakup IDE lokal atau lingkungan notebook Jupyter dalam Studio atau Studio Classic.
AWS CLI Instalasi yang dikonfigurasi. Untuk informasi selengkapnya, lihat Meng onfigurasi AWS CLI.
Peran IAM dengan izin yang sesuai. Langkah-langkah berikut mengharuskan lingkungan Anda memilikiiam:CreateRole,iam:CreatePolicy,iam:AttachRolePolicy, dan iam:ListPolicies izin. Izin ini diperlukan pada peran yang digunakan untuk menjalankan langkah-langkah dalam panduan pengguna ini. Petunjuk dalam panduan ini membuat peran IAM yang digunakan sebagai peran eksekusi Server Pelacakan MLFlow sehingga dapat mengakses data di bucket Amazon S3 Anda. Selain itu, kebijakan dibuat untuk memberikan peran IAM pengguna yang berinteraksi dengan Server Pelacakan melalui izin MLFlow SDK untuk memanggil API MLFlow. Untuk informasi selengkapnya, lihat Memodifikasi kebijakan izin peran (konsol).

Jika menggunakan Notebook SageMaker Studio, perbarui peran layanan untuk profil pengguna Studio Anda dengan izin IAM ini. Untuk memperbarui peran layanan, navigasikan ke konsol SageMaker AI dan pilih domain yang Anda gunakan. Kemudian, di bawah domain, pilih profil pengguna yang Anda gunakan. Anda akan melihat peran layanan tercantum di sana. Arahkan ke konsol IAM, cari peran layanan di bawah Per an, dan perbarui peran Anda dengan kebijakan yang memungkinkaniam:CreateRole,, iam:CreatePolicyiam:AttachRolePolicy, dan iam:ListPolicies tindakan.

Penyiapan AWS CLI model

Ikuti langkah-langkah baris perintah ini di dalam terminal AWS CLI untuk mengatur Amazon SageMaker AI dengan MLFlow.

Instal versi terbaru dari AWS CLI. Untuk informasi selengkapnya, lihat Meng instal atau memperbarui ke versi terbaru AWS CLI di Panduan AWS CLI Pengguna.
Verifikasi AWS CLI bahwa diinstal menggunakan perintah berikut:
```
aws sagemaker help
```
Tek q an untuk keluar dari prompt.

Untuk bantuan penyelesaian masalah, lihat Memecahkan masalah penyiapan umum.

Menyiapkan infrastruktur MLFlow

Bagian berikut menunjukkan cara mengatur Server Pelacakan MLFlow bersama dengan bucket Amazon S3 dan peran IAM yang diperlukan untuk server pelacakan.

Buat Bucket S3

Di dalam terminal Anda, gunakan perintah berikut untuk membuat bucket Amazon S3 tujuan umum:

penting

Saat Anda menyediakan URI Amazon S3 untuk toko artefak Anda, pastikan bucket Amazon S3 Wilayah AWS sama dengan server pelacakan Anda. Cross-regionpenyimpanan artefak tidak didukung.


bucket_name=bucket-name
region=valid-region

aws s3api create-bucket \
  --bucket $bucket_name \
  --region $region \
  --create-bucket-configuration LocationConstraint=$region

Outputnya akan serupa dengan yang berikut ini:


{
    "Location": "/bucket-name"
}

Menyiapkan kebijakan kepercayaan IAM

Gunakan langkah-langkah berikut untuk membuat kebijakan kepercayaan IAM. Untuk informasi selengkapnya tentang peran dan kebijakan kepercayaan, lihat Persyaratan dan konsep peran di Panduan AWS Identity and Access Management Pengguna.

Di dalam terminal Anda, gunakan perintah berikut untuk membuat file yang disebutmlflow-trust-policy.json.


cat <<EOF > /tmp/mlflow-trust-policy.json
{
     "Version": "2012-10-17",
     "Statement": [
         {
             "Effect": "Allow",
             "Principal": {
                 "Service": [                     
                      "sagemaker.amazonaws.com"
                 ]
             },
             "Action": "sts:AssumeRole"
         }
     ]
 }
EOF

Di dalam terminal Anda, gunakan perintah berikut untuk membuat file yang disebutcustom-policy.json.


cat <<EOF > /tmp/custom-policy.json
{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "s3:Get*",
                "s3:Put*",
                "sagemaker:AddTags",
                "sagemaker:CreateModelPackageGroup",
                "sagemaker:CreateModelPackage",
                "sagemaker:DescribeModelPackageGroup",
                "sagemaker:UpdateModelPackage",
                "s3:List*"
            ],
            "Resource": "*"
        }
    ]
}
EOF

Gunakan file kebijakan kepercayaan untuk membuat peran. Kemudian, lampirkan kebijakan peran IAM yang memungkinkan MLFlow mengakses Amazon S3 dan SageMaker Model Registry dalam akun Anda. MLFlow harus memiliki akses ke Amazon S3 untuk penyimpanan artefak server pelacakan Anda dan SageMaker Model Registry untuk pendaftaran model otomatis.

catatan
Jika Anda memperbarui peran yang ada, gunakan perintah berikut sebagai gantinya:aws iam update-assume-role-policy --role-name $role_name --policy-document file:///tmp/mlflow-trust-policy.json.
```
role_name=role-name

aws iam  create-role \
  --role-name $role_name \
  --assume-role-policy-document file:///tmp/mlflow-trust-policy.json

aws iam put-role-policy \
  --role-name $role_name \
  --policy-name custom-policy \
  --policy-document file:///tmp/custom-policy.json

role_arn=$(aws iam get-role --role-name  $role_name --query 'Role.Arn' --output text)
```

Buat server pelacakan MLFlow

Di dalam terminal Anda, gunakan create-mlflow-tracking-server API untuk membuat server pelacakan Wilayah AWS sesuai pilihan Anda. Langkah ini bisa memakan waktu hingga 25 menit.

Anda dapat secara opsional menentukan ukuran server pelacakan Anda dengan parameter--tracking-server-config. Pilih antara"Small","Medium", dan"Large". Ukuran konfigurasi Server Pelacakan MLFlow default adalah"Small". Anda dapat memilih ukuran tergantung pada proyeksi penggunaan server pelacakan seperti volume data yang dicatat, jumlah pengguna, dan frekuensi penggunaan. Untuk informasi selengkapnya, lihat Ukuran Server Pelacakan MLFlow.

Perintah berikut membuat server pelacakan baru dengan pendaftaran model otomatis diaktifkan. Untuk menonaktifkan pendaftaran model otomatis, tentukan--no-automatic-model-registration.

Setelah membuat server pelacakan Anda, Anda dapat meluncurkan UI MLFlow. Untuk informasi selengkapnya, lihat Luncurkan UI MLFlow menggunakan URL yang telah ditandatangani sebelumnya.

catatan

Diperlukan waktu hingga 25 menit untuk menyelesaikan pembuatan server pelacakan. Jika server pelacakan membutuhkan waktu lebih dari 25 menit untuk dibuat, periksa apakah Anda memiliki izin IAM yang diperlukan. Untuk informasi selengkapnya tentang izin IAM, lihatMenyiapkan izin IAM untuk MLFlow. Ketika Anda berhasil membuat server pelacakan, itu secara otomatis dimulai.

Saat Anda membuat server pelacakan, sebaiknya tentukan versi terbaru. Untuk informasi tentang versi yang tersedia, lihatPelacakan versi server.

Secara default, server pelacakan yang dibuat adalah versi terbaru. Namun, sebaiknya selalu menentukan versi terbaru secara eksplisit karena API MLFlow yang mendasarinya dapat berubah.


ts_name=tracking-server-name
region=valid-region
version=valid-version        


aws sagemaker create-mlflow-tracking-server \
 --tracking-server-name $ts_name \
 --artifact-store-uri s3://$bucket_name \
 --role-arn $role_arn \
 --automatic-model-registration \
 --region $region \
 --mlflow-version $version

Output harus serupa dengan yang berikut ini:


{
    "TrackingServerArn": "arn:aws:sagemaker:region:123456789012:mlflow-tracking-server/tracking-server-name"
}

penting

Catat server pelacakan ARN untuk digunakan nanti. Anda juga akan membutuhkan langkah-langkah pembersihan. $bucket_name

Awas Javascript dinonaktifkan atau tidak tersedia di browser Anda.

Untuk menggunakan Dokumentasi AWS, Javascript harus diaktifkan. Lihat halaman Bantuan browser Anda untuk petunjuk.

Konvensi Dokumen

Studio

Luncurkan UI MLFlow