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。
重要
使用 SageMaker Experiments Python SDK 的實驗追蹤僅適用於 Studio Classic。我們建議您使用新的 Studio 體驗，並使用最新的 SageMaker AI 與 MLflow 整合來建立實驗。沒有與 Studio Classic 整合的 MLflow UI。如果您想要搭配 Studio 使用 MLflow，您必須使用 啟動 MLflow UI AWS CLI。如需詳細資訊，請參閱使用 啟動 MLflow UI AWS CLI。
Amazon SageMaker Experiments Classic 是 Amazon SageMaker AI 的功能，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 Experiments 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 AI 任務自動建立的實驗。
Experiments Classic 會在執行時自動追蹤反覆運算的輸入、參數、組態和結果。您可以將這些試驗指派到實驗中，並進行分組和整理。SageMaker Experiments 已與 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、比較關鍵效能指標的執行，以及識別效能最佳的模型。SageMaker Experiments 可追蹤有關於建立模型的所有步驟和成品，當您在生產環境中對問題進行疑難排解時，或稽核模型以驗證合規性時，可以快速回顧模型的起源。
使用 MLflow 從 Experiments Classic 遷移至 Amazon SageMaker AI
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，您必須更新您的訓練程式碼以使用 MLflow SDK，然後再次執行訓練實驗。如需 MLflow SDK 和 AWS MLflow 外掛程式入門的詳細資訊，請參閱 將 MLflow 與您的環境整合。
