MLflowIntegre-se ao seu ambiente - Amazon SageMaker
Instalação MLflow e o AWS MLflow plugin Conecte-se ao seu servidor MLflow de rastreamento

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.

MLflowIntegre-se ao seu ambiente

A página a seguir descreve como começar a usar o plug-in MLflow SDK e o AWS MLflow plug-in em seu ambiente de desenvolvimento. Isso pode incluir um ambiente local IDEs ou um ambiente Jupyter Notebook no Studio ou no Studio Classic.

A Amazon SageMaker usa um MLflow plug-in para personalizar o comportamento do cliente MLflow Python e integrar AWS ferramentas. O AWS MLflow plug-in autentica as API chamadas feitas MLflow usando o AWS Signature Version 4. O AWS MLflow plug-in permite que você se conecte ao seu servidor MLflow de rastreamento usando o servidor de rastreamentoARN. Para obter mais informações sobre plug-ins, consulte MLflowPlug-ins na MLflow documentação.

Importante

Suas IAM permissões de usuário em seu ambiente de desenvolvimento devem ter acesso a todas MLflow API as ações relevantes para executar com êxito os exemplos fornecidos. Para obter mais informações, consulte Configurar IAM permissões para MLflow.

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

Instalação MLflow e o AWS MLflow plugin

Em seu ambiente de desenvolvimento, instale ambos MLflow e o AWS MLflow plug-in.

nota

Para ver quais versões do MLflow estão disponíveis para uso SageMaker, consulteRastreando versões do servidor.

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

Conecte-se ao seu servidor MLflow de rastreamento

Use mlflow.set_tracking_uri para se conectar a um servidor de rastreamento a partir do seu ambiente de desenvolvimento usandoARN:

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)