환경MLflow과 통합 - Amazon SageMaker
MLflow 및 AWS MLflow 플러그인 설치 MLflow 추적 서버에 연결

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

환경MLflow과 통합

다음 페이지에서는 개발 환경 내에서 MLflow SDK 및 플러그인을 AWS MLflow 시작하는 방법을 설명합니다. 여기에는 Studio IDEs 또는 Studio Classic 내의 로컬 또는 Jupyter Notebook 환경이 포함될 수 있습니다.

Amazon은 MLflow 플러그인을 SageMaker 사용하여 MLflow Python 클라이언트의 동작을 사용자 지정하고 AWS 도구를 통합합니다. 플러그인은 AWS MLflow AWS 서명 버전 4를 MLflow 사용하여 에서 수행된 API 호출을 인증합니다. 플러그인을 AWS MLflow 사용하면 MLflow 추적 서버 를 사용하여 추적 서버에 연결할 수 있습니다ARN. 플러그인에 대한 자세한 내용은 MLflow 설명서의 MLflow 플러그인을 참조하세요.

중요

개발 환경 내의 사용자 IAM 권한은 제공된 예제를 성공적으로 실행하기 위해 모든 관련 MLflow API 작업에 액세스할 수 있어야 합니다. 자세한 내용은 에 대한 IAM 권한 설정 MLflow 단원을 참조하십시오.

MLflow 사용에 대한 자세한 내용은 MLflow 설명서의 PythonAPI을 SDK참조하세요.

MLflow 및 AWS MLflow 플러그인 설치

개발 환경 내에서 MLflow 및 플러그인을 AWS MLflow 모두 설치합니다.

참고

에서 사용할 MLflow 수 있는 버전을 확인하려면 섹션을 SageMaker참조하세요서버 버전 추적.

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

MLflow 추적 서버에 연결

mlflow.set_tracking_uri 를 사용하여 를 사용하여 개발 환경에서 추적 서버에 연결합니다ARN.

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)