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.
MLflow tutorial che utilizzano notebook Jupyter di esempio
I seguenti tutorial mostrano come integrare gli MLflow esperimenti nei flussi di lavoro di formazione. Per ripulire le risorse create da un tutorial per notebook, consulta. Pulisci MLflow le risorse
Puoi eseguire notebook di esempio di SageMaker intelligenza artificiale utilizzando JupyterLab in Studio. Per ulteriori informazioni su JupyterLab, consulta JupyterLab guida per l'utente.
Esplora i seguenti taccuini di esempio:
-
SageMaker Formazione con MLflow
: addestra e registra un modello Scikit-Learn utilizzando l'intelligenza artificiale in modalità script. SageMaker Scopri come integrare gli MLflow esperimenti nel tuo script di allenamento. Per ulteriori informazioni sulla formazione dei modelli, consulta Addestrare un modello con Amazon SageMaker AI. -
SageMaker AI HPO con MLflow
: scopri come monitorare il tuo esperimento di machine learning MLflow con Amazon SageMaker AI Automatic Model Tuning (AMT) e l'IA SageMaker Python SDK. Ogni iterazione di allenamento viene registrata come esecuzione all'interno dello stesso esperimento. Per ulteriori informazioni sull'ottimizzazione degli iperparametri (HPO), consulta Esegui l'ottimizzazione automatica dei modelli con Amazon AI. SageMaker -
SageMaker Pipelines con MLflow
: usa Amazon SageMaker Pipelines MLflow per addestrare, valutare e registrare un modello. Questo notebook utilizza il @stepdecoratore per creare una SageMaker pipeline AI. Per ulteriori informazioni sulle pipeline e sul@stepdecoratore, consulta Creare una pipeline con funzioni -decorate.@step -
Implementa un MLflow modello nell' SageMaker intelligenza artificiale
: addestra un modello di albero decisionale utilizzando -Learn. SciKit Quindi, usa Amazon SageMaker ModelBuilderAI per distribuire il modello su un endpoint di SageMaker intelligenza artificiale ed eseguire l'inferenza utilizzando il modello distribuito. Per ulteriori informazioni suModelBuilder, consulta Distribuisci MLflow modelli con ModelBuilder.
