Integrasikan MLflow dengan lingkungan Anda - Amazon SageMaker
Instal MLflow dan AWS MLflow plugin Connect ke MLflow Tracking Server

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Integrasikan MLflow dengan lingkungan Anda

Halaman berikut menjelaskan cara memulai MLflow SDK dan AWS MLflow plugin dalam lingkungan pengembangan Anda. Ini dapat mencakup lingkungan lokal IDEs atau Jupyter Notebook dalam Studio atau Studio Classic.

Amazon SageMaker menggunakan MLflow plugin untuk menyesuaikan perilaku klien MLflow Python dan mengintegrasikan AWS perkakas. AWS MLflowPlugin mengotentikasi API panggilan yang dilakukan dengan MLflow menggunakan AWS Signature Version 4. AWS MLflowPlugin ini memungkinkan Anda untuk terhubung ke server MLflow pelacakan Anda menggunakan server pelacakARN. Untuk informasi selengkapnya tentang plugin, lihat MLflowPlugin dalam dokumentasi. MLflow

penting

IAMIzin pengguna Anda dalam lingkungan pengembangan Anda harus memiliki akses ke MLflow API tindakan yang relevan agar berhasil menjalankan contoh yang diberikan. Untuk informasi selengkapnya, lihat Menyiapkan IAM izin untuk MLflow.

Untuk informasi selengkapnya tentang penggunaan MLflowSDK, lihat Python API di dokumentasi. MLflow

Instal MLflow dan AWS MLflow plugin

Dalam lingkungan pengembangan Anda, instal keduanya MLflow dan AWS MLflow plugin.

catatan

Untuk melihat versi mana MLflow yang tersedia untuk digunakan SageMaker, lihatMelacak versi server.

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

Connect ke MLflow Tracking Server

Gunakan mlflow.set_tracking_uri untuk terhubung ke server pelacak Anda dari lingkungan pengembangan Anda menggunakanARN:

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)