Suivez les expériences avec MLflow

Amazon SageMaker utilise un MLflow plugin pour personnaliser le comportement du client MLflow Python et intégrer AWS outillage. Le AWS MLflowle plugin authentifie les API appels effectués en utilisant MLflow AWS Version de signature 4. Le AWS MLflowLe plugin vous permet de vous connecter à votre serveur MLflow de suivi à l'aide du serveur de suiviARN. Pour plus d'informations sur les plug-ins, consultez la section MLflowPlugins dans la MLflow documentation.

Commencez avec le MLflow SDK et le AWS MLflowplugin dans votre environnement de développement. Cela peut inclure un environnement local IDEs ou Jupyter Notebook dans Studio ou Studio Classic.

Important

Vos IAM autorisations d'utilisateur au sein de votre environnement de développement doivent avoir accès à toutes les MLflow API actions pertinentes pour exécuter correctement les exemples fournis. Pour de plus amples informations, veuillez consulter Configuration des autorisations IAM pour MLflow.

Pour plus d'informations sur l'utilisation de MLflowSDK, consultez Python API dans la MLflow documentation.

Installez MLflow et AWS Plug-in MLflow

Dans votre environnement de développement, installez les deux MLflow et le AWS MLflowplugin.

Note

Pour savoir quelles versions de MLflow peuvent être utilisées avec SageMaker, voirVersions du serveur de suivi.

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

Connectez-vous à votre serveur MLflow de suivi

mlflow.set_tracking_uriÀ utiliser pour vous connecter à votre serveur de suivi depuis votre environnement de développement à l'aide de ARN :

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)