Amazon SageMaker expérimente dans Studio Classic

Important

Le suivi des SageMaker expériences à l'aide du SDK Experiments Python n'est disponible que dans Studio Classic. Nous vous recommandons d'utiliser la nouvelle expérience Studio et de créer des expériences à l'aide des dernières intégrations d' SageMaker IA avec MLflow. Aucune MLflow interface utilisateur n'est intégrée à Studio Classic. Si vous souhaitez l'utiliser MLflow avec Studio, vous devez lancer l' MLflow interface utilisateur à l'aide du AWS CLI. Pour de plus amples informations, veuillez consulter Lancez l' MLflow interface utilisateur à l'aide du AWS CLI.

Amazon SageMaker Experiments Classic est une fonctionnalité d'Amazon SageMaker AI qui vous permet de créer, gérer, analyser et comparer vos expériences d'apprentissage automatique dans Studio Classic. Utilisez les SageMaker expériences pour visualiser, gérer, analyser et comparer à la fois les expériences personnalisées que vous créez par programmation et les expériences créées automatiquement à partir de tâches d' SageMaker IA.

Experiments Classic suit automatiquement les entrées, les paramètres, les configurations et les résultats de vos itérations sous forme d'exécutions. Vous pouvez attribuer, regrouper et organiser ces essais sous forme d'expériences. SageMaker Experiments est intégré à Amazon SageMaker Studio Classic, fournissant une interface visuelle permettant de parcourir vos tests actifs et passés, de comparer les essais selon des indicateurs de performance clés et d'identifier les modèles les plus performants. SageMaker Experiments suit toutes les étapes et tous les artefacts nécessaires à la création d'un modèle, et vous pouvez rapidement revisiter les origines d'un modèle lorsque vous résolvez des problèmes de production ou que vous auditez vos modèles à des fins de vérification de conformité.

Migrez d'Experiments Classic vers Amazon SageMaker AI avec MLflow

Les expériences passées créées à l'aide d'Experiments Classic peuvent toujours être consultées dans Studio Classic. Si vous souhaitez conserver et utiliser le code d'expérience antérieur avec MLflow, vous devez mettre à jour votre code d'entraînement pour utiliser le MLflow SDK et réexécuter les expériences d'entraînement. Pour plus d'informations sur la prise en main du MLflow SDK et du AWS MLflow plug-in, consultezIntégrez MLflow à votre environnement.