기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Studio Classic의 Amazon SageMaker 실험
중요
Experiments Python을 사용한 SageMaker 실험 추적SDK은 Studio Classic에서만 사용할 수 있습니다. 새로운 Studio 환경을 사용하고 와의 최신 SageMaker 통합을 사용하여 실험을 생성하는 것이 좋습니다MLflow. Studio Classic과의 MLflow UI 통합은 없습니다. StudioMLflow와 함께 를 사용하려면 를 사용하여 MLflow UI를 시작해야 합니다 AWS CLI. 자세한 내용은 를 사용하여 MLFlow UI를 실행합니다. AWS CLI 단원을 참조하십시오.
Amazon SageMaker Experiments Classic은 Studio Classic에서 기계 학습 실험을 생성, 관리, 분석 및 비교할 수 SageMaker 있는 Amazon의 기능입니다. SageMaker 실험을 사용하여 프로그래밍 방식으로 생성한 사용자 지정 실험과 SageMaker 작업에서 자동으로 생성한 실험을 모두 보고, 관리하고, 분석하고, 비교할 수 있습니다.
Experiments Classic은 실행 시 반복의 입력, 파라미터, 구성 및 결과를 자동으로 추적합니다. 이러한 실행을 실험으로 할당, 그룹화 및 구성할 수 있습니다. SageMaker 실험은 Amazon SageMaker Studio Classic과 통합되어 활성 실험과 과거 실험을 탐색하고, 주요 성능 지표에서 실행을 비교하고, 가장 성능이 좋은 모델을 식별할 수 있는 시각적 인터페이스를 제공합니다. SageMaker 실험은 모델 생성에 들어간 모든 단계와 아티팩트를 추적하며, 프로덕션 문제를 해결하거나 규정 준수 확인을 위해 모델을 감사할 때 모델의 오리진을 빠르게 다시 확인할 수 있습니다.
를 SageMaker 사용하여 Experiments Classic에서 Amazon으로 마이그레이션 MLflow
Experiments Classic을 사용하여 생성된 과거 실험은 Studio Classic에서 여전히 볼 수 있습니다. 에서 과거 실험 코드를 유지 관리하고 사용하려면 를 사용하고 훈련 실험을 다시 MLflow SDK 실행하도록 훈련 코드를 업데이트MLflow해야 합니다. MLflow SDK 및 플러그인을 시작하는 방법에 대한 자세한 내용은 섹션을 참조하세요 AWS MLflow환경MLflow과 통합.
