Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Integrasikan MLflow dengan lingkungan Anda

Halaman berikut menjelaskan cara memulai dengan MLflow SDK dan AWS MLflow plugin dalam lingkungan pengembangan Anda. Ini dapat mencakup lingkungan lokal IDEs atau Jupyter Notebook dalam Studio atau Studio Classic.

Amazon SageMaker AI menggunakan MLflow plugin untuk menyesuaikan perilaku klien MLflow Python dan mengintegrasikan AWS perkakas. AWS MLflow Plugin mengotentikasi panggilan API yang dibuat dengan MLflow menggunakan AWS Signature Version 4. AWS MLflow Plugin ini memungkinkan Anda untuk terhubung ke server MLflow pelacakan Anda menggunakan server pelacakan ARN. Untuk informasi selengkapnya tentang plugin, lihat MLflow Plugin dalam dokumentasi. MLflow

Untuk informasi selengkapnya tentang penggunaan MLflow SDK, lihat Python API di MLflow dokumentasi.

Instal MLflow dan AWS MLflow plugin

Dalam lingkungan pengembangan Anda, instal keduanya MLflow dan AWS MLflow plugin.

Untuk memastikan kompatibilitas antara MLflow klien dan server pelacak, gunakan versi yang sesuai berdasarkan MLflow versi server pelacakan Anda:

Untuk melihat versi mana yang MLflow tersedia untuk digunakan dengan SageMaker AI, lihatMelacak versi server.

Connect ke MLflow Tracking Server

Gunakan mlflow.set_tracking_uri untuk terhubung ke server pelacak Anda dari lingkungan pengembangan Anda menggunakan ARN-nya:

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)