將 MLflow 與您的環境整合

下頁說明如何在開發環境中開始使用 MLflow SDK 和 AWS MLflow 外掛程式。這可能包括 Studio 或 Studio Classic 內的本機 IDEs 或 Jupyter Notebook 環境。

Amazon SageMaker AI 使用 MLflow 外掛程式來自訂 MLflow Python 用戶端的行為並整合 AWS 工具。 AWS MLflow 外掛程式會使用 Signature 第 4 版驗證使用 MLflow 發出的 API 呼叫。 AWS AWS MLflow 外掛程式可讓您使用追蹤伺服器 ARN 連線至 MLflow 追蹤伺服器。如需外掛程式的詳細資訊，請參閱 MLflow 文件中的 MLflow 外掛程式。 MLflow

重要

開發環境中的使用者 IAM 許可必須能夠存取任何相關的 MLflow API 動作，才能成功執行提供的範例。如需詳細資訊，請參閱設定 MLflow 的 IAM 許可。

如需使用 MLflow SDK 的詳細資訊，請參閱 MLflow 文件中的 Python API。

安裝 MLflow 和 AWS MLflow 外掛程式

在您的開發環境中，同時安裝 MLflow 和 AWS MLflow 外掛程式。

注意

若要查看哪些版本的 MLflow 可與 SageMaker AI 搭配使用，請參閱 追蹤伺服器版本。

pip install mlflow==2.13.2 sagemaker-mlflow==0.1.0 

連線至 MLflow 追蹤伺服器

使用 從開發環境使用 ARN mlflow.set_tracking_uri連線至追蹤伺服器：

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)