Integre o MLflow ao seu ambiente - Amazon SageMaker
Instalar o MLflow e o complemento AWS MLflow. Conecte-se ao servidor de rastreamento MLflow

Integre o MLflow ao seu ambiente

A página a seguir descreve como começar a usar o MLflow SDK e o complemento do AWS MLflow em seu ambiente de desenvolvimento. Isso pode incluir IDEs locais ou um ambiente de caderno Jupyter no Studio ou no Studio Classic.

O Amazon SageMaker usa um complemento MLflow para personalizar o comportamento do cliente MLflow Python e integrar ferramentas da AWS. O complemento AWS MLflow autentica as chamadas de API feitas com o MLflow usando o AWS Signature versão 4. O complemento AWS MLflow permite que você se conecte ao seu servidor de rastreamento MLflow usando o ARN do servidor de rastreamento. Para obter mais informações sobre complementos, consulte Complementos do MLflow na documentação do MLflow.

Importante

As permissões do IAM de usuário em seu ambiente de desenvolvimento devem ter acesso a todas as ações relevantes da API do MLflow para executar corretamente os exemplos fornecidos. Para obter mais informações, consulte Configurar permissões do IAM para o MLflow.

Para obter mais informações sobre como usar o MLflow SDK, consulte API do Python, na documentação do MLflow.

Instalar o MLflow e o complemento AWS MLflow.

Em seu ambiente de desenvolvimento, instale o MLflow e o complemento AWS MLflow.

nota

Para ver quais versões do MLflow estão disponíveis para uso com o SageMaker, consulte Monitoramento de versões do servidor.

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

Conecte-se ao servidor de rastreamento MLflow

Use mlflow.set_tracking_uri para conectar-se a um servidor de rastreamento a partir do seu ambiente de desenvolvimento usando o ARN:

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)