本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Studio 经典版中的亚马逊 SageMaker 实验
<a name="experiments"></a>

**重要**  
使用实验 Python SDK SageMaker 进行实验跟踪仅在 Studio Classic 中可用。我们建议使用全新的 Studio 体验，并使用与 mlFlow 的最新 SageMaker 人工智能集成来创建实验。MLflow 用户界面与 Studio Classic 没有集成。如果您要在 Studio 中使用 MLflow，必须使用 AWS CLI启动 MLflow 用户界面。有关更多信息，请参阅 [使用启动 mlFlow 用户界面 AWS CLI](mlflow-launch-ui.md#mlflow-launch-ui-cli)。

Amazon SageMaker Experiments Classic 是 SageMaker Amazon AI 的一项功能，可让您在 Studio Classic 中创建、管理、分析和比较机器学习实验。使用 SageMaker 实验查看、管理、分析和比较您以编程方式创建的自定义实验和通过 SageMaker AI 作业自动创建的实验。

Experiments Classic 会以*运行*的形式，自动跟踪迭代的输入、参数、配置和结果。您可以将这些运行分配、分组和组织成*实验*。 SageMaker 实验与 Amazon SageMaker Studio Classic 集成，提供了一个可视化界面，供您浏览当前和过去的实验，比较关键性能指标的运行情况，并确定性能最佳的模型。 SageMaker 实验会跟踪创建模型的所有步骤和工件，在对生产中的问题进行故障排除或审核模型以进行合规性验证时，您可以快速重新审视模型的起源。

## 使用 mlFlow 从经典实验迁移到亚马逊 SageMaker AI
<a name="experiments-mlflow-migration"></a>

过去使用 Experiments Classic 创建的实验仍可在 Studio Classic 中查看。如果您想用 MLflow 维护和使用过去的实验代码，必须更新训练代码以使用 MLflow SDK，并重新运行训练实验。有关开始使用 mlFlow SDK 和 mlFlo AWS w 插件的更多信息，请参阅。[将 MLflow 与您的环境集成](mlflow-track-experiments.md)