기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
중요
SageMaker Experiments Python SDK를 사용한 실험 추적은 Studio Classic에서만 사용할 수 있습니다. 새로운 Studio 환경을 사용하고 MLflow와 최신 SageMaker AI 통합을 사용하여 실험을 생성하는 것이 좋습니다. Studio Classic과의 MLflow UI 통합은 없습니다. MLflow를 Studio와 함께 사용하려면 AWS CLI를 사용하여 MLflow UI를 시작해야 합니다. 자세한 내용은 를 사용하여 MLflow UI 시작 AWS CLI 단원을 참조하십시오.
Amazon SageMaker Experiments Classic은 Studio Classic에서 기계 학습 실험을 생성, 관리, 분석 및 비교할 수 있는 Amazon SageMaker AI의 기능입니다. SageMaker Experiments를 사용하여 프로그래밍 방식으로 생성한 사용자 지정 실험과 SageMaker AI 작업에서 자동으로 생성된 실험을 모두 보고, 관리하고, 분석하고, 비교할 수 있습니다.
Experiments Classic은 반복 작업의 입력, 파라미터, 구성, 결과를 회차로 자동 추적합니다. 이러한 회차를 실험으로 할당하고 그룹화 및 구성할 수 있습니다. SageMaker Experiments는 Amazon SageMaker Studio Classic에 통합되어 현재 진행 중인 실험과 과거 실험을 탐색하고, 주요 성과 지표를 토대로 회차를 비교하며, 최고의 성과를 보이는 모델을 식별하기 위한 시각적 인터페이스를 제공합니다. SageMaker Experiments는 모델 생성에 관여한 모든 단계 및 아티팩트를 추적할 수 있으므로 프로덕션 환경에서 문제를 해결하거나 모델을 감사하여 규정 준수를 확인할 때 모델의 출처를 신속하게 재확인할 수 있습니다.
MLflow를 사용하여 Experiments Classic에서 Amazon SageMaker AI로 마이그레이션
Experiments Classic을 사용하여 생성된 과거 실험은 Studio Classic에서 여전히 볼 수 있습니다. MLflow에서 과거 실험 코드를 유지 관리하고 사용하려면 MLflow SDK를 사용하도록 훈련 코드를 업데이트하고 훈련 실험을 다시 실행해야 합니다. MLflow SDK 및 AWS MLflow 플러그인을 시작하는 방법에 대한 자세한 내용은 섹션을 참조하세요MLflow를 환경과 통합.
