環境に MLflow を統合する

次のページでは、開発環境内で MLflow SDK と AWS MLflow プラグインの使用を開始する方法について説明します。ローカルの IDE や、Studio または Studio Classic 内の Jupyter Notebook 環境が該当します。

Amazon SageMaker AI 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、AWS 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 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、AWS MLflow プラグイン」とMLflow プラグイン」を参照してください。

重要

ここで紹介しているサンプルを正常に実行するためには、開発環境内のユーザーの IAM アクセス許可で、関連する MLflow API アクションへのアクセスが認められている必要があります。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 の使用方法の詳細については、MLflow ドキュメントの「Python API」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 プラグインと AWS MLflow プラグインの両方をインストールします。

pip install sagemaker-mlflow

MLflow クライアントと追跡サーバー間の互換性を確保するには、追跡サーバーのバージョンに基づいて対応する MLflow バージョンを使用します。

• サーバー 2.13.x を追跡するには、 を使用します。 mlflow==2.13.2

• サーバー 2.16.x を追跡するには、 を使用します。 mlflow==2.16.2

• サーバー 3.0.x を追跡するには、 を使用します。 mlflow==3.0.0

SageMaker AI で使用できる MLflow のバージョンを確認するには、「」を参照してください追跡サーバーのバージョン。

MLflow 追跡サーバーに接続する

mlflow.set_tracking_uri を使用して、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)