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 dengan MLFlow SDK dan plugin AWS MLFlow dalam lingkungan pengembangan Anda. Ini dapat mencakup IDE lokal atau lingkungan Notebook Jupyter dalam Studio atau Studio Classic.

Amazon SageMaker AI menggunakan plugin MLFlow untuk menyesuaikan perilaku klien MLFlow Python dan mengintegrasikan AWS perkakas. Plugin AWS MLFlow mengautentikasi panggilan API yang dilakukan dengan MLFlow menggunakan AWS Signature Version 4. Plugin AWS MLFlow memungkinkan Anda untuk terhubung ke server pelacakan MLFlow Anda menggunakan server pelacakan ARN. Untuk informasi selengkapnya tentang plugin, lihat plugin AWS MLFlow dan plugin MLFlow.

Untuk informasi selengkapnya tentang menggunakan MLFlow SDK, lihat Python API di dokumentasi MLFlow.

Instal MLFlow dan AWS Plugin MLFlow

Dalam lingkungan pengembangan Anda, instal MLFlow dan plugin AWS MLFlow.

pip install sagemaker-mlflow

Untuk memastikan kompatibilitas antara klien MLFlow dan server pelacakan, gunakan versi MLFlow yang sesuai berdasarkan versi server pelacakan Anda:

Untuk melihat versi MLFlow mana yang tersedia untuk digunakan dengan SageMaker AI, lihatPelacakan versi server.

Hubungkan ke Server Pelacakan MLFlow Anda

Gunakan mlflow.set_tracking_uri untuk terhubung ke server pelacakan Anda dari lingkungan pengembangan Anda menggunakan ARN-nya:

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)