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
<a name="experiments"></a>

**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，並將最新的 SageMaker AI 整合與 MLflow 搭配使用來建立實驗。Studio Classic 沒有與 MLflow UI 整合。如果您想要將 MLflow 搭配 Studio 使用，您必須使用 AWS CLI啟動 MLflow UI。如需詳細資訊，請參閱[使用 AWS CLI 啟動 MLflow UI](mlflow-launch-ui.md#mlflow-launch-ui-cli)。

Amazon SageMaker Experiments Classic 是 Amazon SageMaker AI 的一項功能，讓您能在 Studio Classic 中建立、管理、分析和比較機器學習實驗。使用 SageMaker Experiments 檢視、管理、分析和比較您以程式設計方式建立的自訂實驗，以及從 SageMaker AI 任務自動建立的實驗。

Experiments Classic 會自動以*執行*追蹤迭代運算的輸入、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 與 Amazon SageMaker Studio Classic 整合，提供視覺化介面，讓您瀏覽進行中和過去的實驗、依關鍵效能指標來比較執行，並找出表現最佳的模型。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
<a name="experiments-mlflow-migration"></a>

過去使用 Experiments Classic 建立的實驗仍可在 Studio Classic 中檢視。如果您想要使用 MLflow 維護和使用過去的實驗程式碼，您必須更新訓練程式碼才能使用 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](mlflow-track-experiments.md)。