MLflow 與您的環境整合 - Amazon SageMaker
安裝 MLflow AWS MLflow和 外掛程式 連線至您的MLflow追蹤伺服器

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。

MLflow 與您的環境整合

下頁說明如何在開發環境中開始使用 MLflowSDK和 AWS MLflow 外掛程式。這可能包括 Studio IDEs或 Studio Classic 內的本機或 Jupyter Notebook 環境。

Amazon SageMaker 使用MLflow外掛程式來自訂 MLflow Python 用戶端的行為並整合 AWS 工具。外掛程式會驗證MLflow使用 Signature 第 AWS MLflow4 版對 進行的API呼叫。 AWS AWS MLflow 外掛程式可讓您使用MLflow追蹤伺服器 連線至追蹤伺服器ARN。如需外掛程式的詳細資訊，請參閱 MLflow 文件中的MLflow外掛程式。

重要

您在開發環境中的使用者IAM許可必須能夠存取任何相關MLflowAPI動作，才能成功執行提供的範例。如需詳細資訊，請參閱設定 的IAM許可 MLflow。

如需使用 MLflow 的詳細資訊SDK，請參閱MLflow文件中的 PythonAPI。

安裝 MLflow AWS MLflow和 外掛程式

在開發環境中，同時安裝 MLflow和 AWS MLflow外掛程式。

注意

若要查看哪些版本的 MLflow 可與 搭配使用 SageMaker，請參閱 追蹤伺服器版本。

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

連線至您的MLflow追蹤伺服器

使用 mlflow.set_tracking_uri，從開發環境使用 連線至追蹤伺服器ARN：

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)