Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Tieni traccia degli esperimenti con MLFlow
Amazon SageMaker utilizza un plug-in MLFlow per personalizzare il comportamento del client MLFlow Python e integrare gli strumenti. AWS Il plug-in AWS MLFlow autentica le chiamate API effettuate con MLFlow utilizzando la versione 4 di Signature.AWS Il plug-in AWS MLFlow consente di connettersi al server di tracciamento MLFlow utilizzando il server di tracciamento ARN. Per ulteriori informazioni sui plugin, consulta MLFlow Plugins nella documentazione di MLFlow
Inizia a usare MLFlow SDK e il plugin MLFlow all'interno del tuo ambiente di AWS sviluppo. Ciò può includere IDE locali o un ambiente Jupyter Notebook all'interno di Studio o Studio Classic.
Importante
Le autorizzazioni utente IAM all'interno dell'ambiente di sviluppo devono avere accesso a tutte le azioni pertinenti dell'API MLFlow per eseguire correttamente gli esempi forniti. Per ulteriori informazioni, consulta Configura le autorizzazioni IAM per MLFlow.
Per ulteriori informazioni sull'utilizzo di MLFlow SDK, consulta l'API Python
Installa MLFlow e il plugin MLFlow AWS
Nel tuo ambiente di sviluppo, installa sia MLFlow che il plug-in MLFlow. AWS
Nota
Per vedere quali versioni di MLFlow sono disponibili per l'uso, consulta SageMaker. Versioni del server di tracciamento
pip install mlflow==
2.13.2
sagemaker-mlflow==0.1.0
Connect al server di tracciamento MLFlow
Utilizzalo mlflow.set_tracking_uri
per connetterti a un server di tracciamento dal tuo ambiente di sviluppo utilizzando il relativo ARN:
import mlflow arn =
"YOUR-TRACKING-SERVER-ARN"
mlflow.set_tracking_uri(arn
)