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
<a name="mlflow-track-experiments"></a>

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](https://docs.aws.amazon.com/AmazonS3/latest/API/sig-v4-authenticating-requests.html). AWS MLflow Plugin ini memungkinkan Anda untuk terhubung ke server MLflow pelacakan Anda menggunakan server pelacakan ARN. Untuk informasi selengkapnya tentang plugin, lihat [AWS MLflow plugin dan [MLflow plugin](https://mlflow.org/docs/latest/plugins.html)](https://pypi.org/project/sagemaker-mlflow/).

**penting**  
Izin IAM pengguna Anda dalam lingkungan pengembangan Anda harus memiliki akses ke tindakan MLflow API yang relevan agar berhasil menjalankan contoh yang diberikan. Untuk informasi selengkapnya, lihat [Menyiapkan izin IAM untuk MLflow](mlflow-create-tracking-server-iam.md).

Untuk informasi selengkapnya tentang penggunaan MLflow SDK, lihat [Python](https://mlflow.org/docs/2.13.2/python_api/index.html) API di MLflow dokumentasi.

## Instal MLflow dan AWS MLflow plugin
<a name="mlflow-track-experiments-install-plugin"></a>

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

```
pip install sagemaker-mlflow
```

Untuk memastikan kompatibilitas antara MLflow klien dan server pelacak, gunakan versi yang sesuai berdasarkan MLflow versi server pelacakan Anda:
+ Untuk melacak server 2.13.x, gunakan `mlflow==2.13.2`
+ Untuk melacak server 2.16.x, gunakan `mlflow==2.16.2`
+ Untuk melacak server 3.0.x, gunakan `mlflow==3.0.0`

Untuk melihat versi mana yang MLflow tersedia untuk digunakan dengan SageMaker AI, lihat[Melacak versi server](mlflow.md#mlflow-create-tracking-server-versions).

## Connect ke MLflow Tracking Server
<a name="mlflow-track-experiments-tracking-server-connect"></a>

Gunakan `[mlflow.set\$1tracking\$1uri](https://mlflow.org/docs/2.13.2/python_api/mlflow.html#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)
```