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」を参照してください。 MLflow

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 APIMLflow 」を参照してください。

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)