SageMaker Esperimenti Amazon in Studio Classic

Importante

Il tracciamento degli SageMaker esperimenti con Experiments Python SDK è disponibile solo in Studio Classic. Ti consigliamo di utilizzare la nuova esperienza di Studio e di creare esperimenti utilizzando le SageMaker integrazioni più recenti con. MLflow Non è prevista alcuna integrazione MLflow dell'interfaccia utente con Studio Classic. Se desideri utilizzarlo MLflow con Studio, devi avviare l'MLflowinterfaccia utente utilizzando AWS CLI. Per ulteriori informazioni, consulta Avvia l'interfaccia utente MLFlow utilizzando il AWS CLI.

Amazon SageMaker Experiments Classic è una funzionalità di Amazon SageMaker che ti consente di creare, gestire, analizzare e confrontare i tuoi esperimenti di machine learning in Studio Classic. Usa SageMaker Experiments per visualizzare, gestire, analizzare e confrontare sia gli esperimenti personalizzati che crei a livello di programmazione sia gli esperimenti creati automaticamente dai SageMaker lavori.

Experiments Classic tiene traccia automaticamente degli input, dei parametri, delle configurazioni e dei risultati delle iterazioni man mano che vengono eseguite. È possibile assegnare, raggruppare e organizzare queste esecuzioni in esperimenti. SageMaker Experiments è integrato con Amazon SageMaker Studio Classic e fornisce un'interfaccia visiva per sfogliare gli esperimenti attivi e passati, confrontare le esecuzioni in base a metriche prestazionali chiave e identificare i modelli con le migliori prestazioni. SageMaker Gli esperimenti tengono traccia di tutti i passaggi e gli artefatti che hanno portato alla creazione di un modello e puoi rivisitare rapidamente le origini di un modello quando risolvi i problemi di produzione o esegui controlli dei modelli per le verifiche di conformità.

Esegui la migrazione da Experiments Classic ad Amazon SageMaker con MLflow

Gli esperimenti precedenti creati utilizzando Experiments Classic sono ancora disponibili per la visualizzazione in Studio Classic. Se desideri mantenere e utilizzare il codice degli esperimenti precedenti conMLflow, devi aggiornare il codice di addestramento per utilizzare MLflow SDK ed eseguire nuovamente gli esperimenti di addestramento. Per ulteriori informazioni su come iniziare a usare MLflow SDK e il AWS MLflow plugin, consultaIntegrazione MLflow con il tuo ambiente.