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.

Per ulteriori informazioni sull'utilizzo di MLFlow SDK, consulta l'API Python nella documentazione di MLFlow.

Installa MLFlow e il plugin MLFlow AWS

Nel tuo ambiente di sviluppo, installa sia MLFlow che il plug-in MLFlow. AWS

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)