翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
MLflow で実験を追跡する
Amazon SageMaker は MLflow プラグインを使用して MLflow Python クライアントの動作をカスタマイズし、 AWS ツールを統合します。 AWS MLflow プラグインは、署名バージョン 4 を使用して MLflow で行われた API コールを認証します。 AWS AWS MLflow プラグインを使用すると、追跡サーバーの ARN を使用して MLflow 追跡サーバーに接続できます。プラグインの詳細については、MLflow ドキュメントの「MLflow Plugins
開発環境内で MLflow SDK と AWS MLflow プラグインの使用を開始します。これには、Studio または Studio Classic 内のローカル IDEs または Jupyter Notebook 環境が含まれます。
重要
提供された例を正常に実行するには、開発環境内のユーザー IAM アクセス許可が関連する MLflow API アクションにアクセスできる必要があります。詳細については、「MLflow の IAM アクセス許可を設定する」を参照してください。
MLflow SDK の使用の詳細については、MLflow ドキュメントの「Python API
MLflow と AWS MLflow プラグインをインストールする
開発環境内で、MLflow と AWS MLflow プラグインの両方をインストールします。
注記
で使用できる MLflow のバージョンを確認するには、 SageMaker「」を参照してくださいサーバーバージョンの追跡。
pip install mlflow==
2.13.2
sagemaker-mlflow==0.1.0
MLflow Tracking Server に接続する
を使用してmlflow.set_tracking_uri
、ARN を使用して開発環境から追跡サーバーに接続します。
import mlflow arn =
"YOUR-TRACKING-SERVER-ARN"
mlflow.set_tracking_uri(arn
)