環境に MLflow を統合する - Amazon SageMaker
MLflow と AWS MLflow プラグインをインストールする MLflow 追跡サーバーに接続する

環境に MLflow を統合する

以下のページでは、開発環境内で MLflow SDK と AWS MLflow プラグインを使い始める方法を説明します。ローカルの IDE や、Studio または Studio Classic 内の Jupyter Notebook 環境が該当します。

Amazon SageMaker は、MLflow プラグインを使用して MLflow Python クライアントの動作をカスタマイズし、AWS ツールを統合します。AWS MLflow プラグインは、AWS Signature バージョン 4 を使用して、MLflow で行われた API コールを認証します。AWS MLflow プラグインを使用すると、MLflow 追跡サーバーの ARN を使用して、その追跡サーバーに接続できます。プラグインの詳細については、MLflow ドキュメントの「MLflow Plugins」を参照してください。

重要

ここで紹介しているサンプルを正常に実行するためには、開発環境内のユーザーの IAM アクセス許可で、関連する MLflow API アクションへのアクセスが認められている必要があります。詳細については、「MLflow の IAM アクセス許可を設定する」を参照してください。

MLflow SDK の使用方法の詳細については、MLflow ドキュメントの「Python API」を参照してください。

MLflow と AWS MLflow プラグインをインストールする

開発環境内で、MLflow と AWS MLflow プラグインの両方をインストールします。

注記

SageMaker で使用できる MLflow のバージョンを確認するには、「追跡サーバーのバージョン」を参照してください。

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

MLflow 追跡サーバーに接続する

mlflow.set_tracking_uri を使用して、ARN を使用して開発環境から追跡サーバーに接続します。

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)