As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Registre SageMaker modelos automaticamente com o SageMaker Model Registry

Você pode registrar MLflow modelos e registrá-los automaticamente no SageMaker Model Registry usando o Python SDK ou diretamente por meio da interface do MLflow usuário.

Registre modelos usando o SageMaker Python SDK

Use create_registered_model em seu MLflow cliente para criar automaticamente um grupo de pacotes de modelos SageMaker que corresponda a um MLflow modelo existente de sua escolha.

import mlflow 
from mlflow import MlflowClient

mlflow.set_tracking_uri(arn)

client = MlflowClient()

mlflow_model_name = 'AutoRegisteredModel'
client.create_registered_model(mlflow_model_name, tags={"key1": "value1"})

Use mlflow.register_model() para registrar automaticamente um modelo no Registro de SageMaker modelos durante o treinamento do modelo. Ao registrar o MLflow modelo, um grupo de pacotes de modelos e uma versão correspondentes do pacote de modelos são criados em SageMaker.

import mlflow.sklearn
from mlflow.models import infer_signature
from sklearn.datasets import make_regression
from sklearn.ensemble import RandomForestRegressor

mlflow.set_tracking_uri(arn)
params = {"n_estimators": 3, "random_state": 42}
X, y = make_regression(n_features=4, n_informative=2, random_state=0, shuffle=False)

# Log MLflow entities
with mlflow.start_run() as run:
    rfr = RandomForestRegressor(**params).fit(X, y)
    signature = infer_signature(X, rfr.predict(X))
    mlflow.log_params(params)
    mlflow.sklearn.log_model(rfr, artifact_path="sklearn-model", signature=signature)

model_uri = f"runs:/{run.info.run_id}/sklearn-model"
mv = mlflow.register_model(model_uri, "RandomForestRegressionModel")

print(f"Name: {mv.name}")
print(f"Version: {mv.version}")

Registre modelos usando a MLflow interface do usuário

Como alternativa, você pode registrar um SageMaker modelo no Registro de modelos diretamente na MLflow interface do usuário. No menu Modelos na MLflow interface do usuário, escolha Criar modelo. Todos os modelos recém-criados dessa forma são adicionados ao Registro de SageMaker Modelos.

Depois de registrar um modelo durante o acompanhamento do experimento, navegue até a página de execução na MLflow interface do usuário. Escolha o painel Artefatos e escolha Registrar modelo no canto superior direito para registrar a versão do modelo em ambos MLflow e no Registro de SageMaker modelos.

Exibir modelos registrados no Studio

Na página inicial do SageMaker Studio, escolha Modelos no painel de navegação esquerdo para ver seus modelos registrados. Para obter mais informações sobre como começar a usar o Studio, consulte Launch Amazon SageMaker Studio.