本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
MLflow与您的环境集成
下一页介绍如何在开发环境中开始使用MLflowSDK和 AWS MLflow插件。这可能包括 Studio IDEs 或 Studio Classic 中的本地或 Jupyter 笔记本环境。
Amazon SageMaker 使用MLflow插件自定义 MLflow Python 客户端的行为并集成 AWS 工具。该 AWS MLflow插件对MLflow使用AWS 签名版本 4 进行的API呼叫进行身份验证。该 AWS MLflow插件允许您使用MLflow跟踪服务器连接到您的跟踪服务器ARN。有关插件的更多信息,请参阅MLflow文档中的MLflow插件
重要
您的开发环境中的用户IAM权限必须具有访问任何相关MLflowAPI操作的权限,才能成功运行所提供的示例。有关更多信息,请参阅 为设置IAM权限 MLflow。
有关使用的更多信息 MLflowSDK,请参阅MLflow文档API中的 Python
安装MLflow和 AWS MLflow插件
在您的开发环境中,同时安装两者MLflow以及 AWS MLflow插件。
注意
要查看哪些版本可与一起使用 SageMaker,请参阅跟踪服务器版本。MLflow
pip install mlflow==
2.13.2
sagemaker-mlflow==0.1.0
Connect 连接到您的MLflow跟踪服务器
mlflow.set_tracking_uri
使用以下命令从开发环境连接到您的跟踪服务器ARN:
import mlflow arn =
"YOUR-TRACKING-SERVER-ARN"
mlflow.set_tracking_uri(arn
)