本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Studio Classic 中的 Amazon SageMaker Experiments
重要
使用 SageMaker Experiments Python 的實驗追蹤SDK僅適用於 Studio Classic。我們建議您使用新的 Studio 體驗，並使用與 的最新 SageMaker整合建立實驗MLflow。沒有與 Studio Classic 的 MLflow UI 整合。如果您想要MLflow與 Studio 搭配使用，則必須使用 啟動 MLflow UI AWS CLI。如需詳細資訊，請參閱使用啟動 MLFlow 使用者介面 AWS CLI。
Amazon SageMaker Experiments Classic 是 Amazon 的功能 SageMaker ，可讓您在 Studio Classic 中建立、管理、分析和比較機器學習實驗。使用 SageMaker 實驗來檢視、管理、分析和比較您以程式設計方式建立的兩個自訂實驗，以及從 SageMaker 任務自動建立的實驗。
Experiments Classic 會在執行 時自動追蹤迭代的輸入、參數、組態和結果。您可以將這些執行指派、分組和組織為實驗。 SageMaker 實驗與 Amazon SageMaker Studio Classic 整合，提供視覺化界面來瀏覽作用中和過去的實驗、比較關鍵效能指標上的執行，以及識別效能最佳的模型。 SageMaker 實驗會追蹤建立模型的所有步驟和成品，您可以在對生產問題進行疑難排解時快速重新檢視模型的原始伺服器，或稽核模型以進行合規驗證。
SageMaker 使用 從 Experiments Classic 遷移至 Amazon MLflow
過去使用 Experiments Classic 建立的實驗仍可在 Studio Classic 中檢視。如果您想要維護並使用過去的實驗程式碼搭配 MLflow，您必須更新訓練程式碼以使用 ，MLflowSDK然後再次執行訓練實驗。如需開始使用 MLflowSDK和 AWS MLflow 外掛程式的詳細資訊，請參閱 MLflow 與您的環境整合。
