기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
다음 페이지에서는 개발 환경 내에서 MLflow SDK 및 AWS MLflow 플러그인을 시작하는 방법을 설명합니다. 여기에는 Studio 또는 Studio Classic 내의 로컬 IDE 또는 Jupyter Notebook 환경이 포함될 수 있습니다.
Amazon SageMaker AI는 MLflow 플러그인을 사용하여 MLflow Python 클라이언트의 동작을 사용자 지정하고 AWS 도구를 통합합니다. AWS MLflow 플러그인은 AWS 서명 버전 4를 사용하여 MLflow로 이루어진 API 호출을 인증합니다. AWS MLflow 플러그인을 사용하면 추적 서버 ARN을 사용하여 MLflow 추적 서버에 연결할 수 있습니다. 플러그인에 대한 자세한 내용은 MLflow 설명서의 MLflow 플러그인
중요
개발 환경 내의 사용자 IAM 권한은 제공된 예제를 성공적으로 실행하려면 관련 MLflow API 작업에 액세스할 수 있어야 합니다. 자세한 내용은 MLflow에 대한 IAM 권한을 설정합니다. 섹션을 참조하세요.
MLflow SDK 사용에 대한 자세한 내용은 MLflow 설명서의 Python API
MLflow 및 AWS MLflow 플러그인 설치
개발 환경 내에서 MLflow와 AWS MLflow 플러그인을 모두 설치합니다.
참고
SageMaker AI와 함께 사용할 수 있는 MLflow 버전을 확인하려면 섹션을 참조하세요서버 버전 추적.
pip install mlflow==2.13.2sagemaker-mlflow==0.1.0
MLflow 추적 서버에 연결
mlflow.set_tracking_uri를 사용하여 ARN으로 개발 환경에서 추적 서버에 연결합니다.
import mlflow arn ="YOUR-TRACKING-SERVER-ARN"mlflow.set_tracking_uri(arn)
