Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Registra automaticamente i modelli SageMaker AI con Model Registry SageMaker
<a name="mlflow-track-experiments-model-registration"></a>

Puoi registrare MLflow i modelli e registrarli automaticamente con SageMaker Model Registry utilizzando Python SDK o direttamente tramite l'interfaccia utente. MLflow 

**Nota**  
Non utilizzare spazi in un nome del modello. Sebbene MLflow supporti i nomi dei modelli con spazi, SageMaker AI Model Package non lo fa. Il processo di registrazione automatica non riesce se utilizzi spazi nel nome del modello.

## Registra modelli usando SageMaker Python SDK
<a name="mlflow-track-experiments-model-registration-sdk"></a>

Utilizzalo `create_registered_model` all'interno MLflow del tuo client per creare automaticamente un gruppo di pacchetti di modelli in SageMaker AI che corrisponde a un MLflow modello esistente di tua scelta.

```
import mlflow 
from mlflow import MlflowClient

mlflow.set_tracking_uri(arn)

client = MlflowClient()

mlflow_model_name = 'AutoRegisteredModel'
client.create_registered_model(mlflow_model_name, tags={"key1": "value1"})
```

`mlflow.register_model()`Utilizzatelo per registrare automaticamente un modello nel Model SageMaker Registry durante l'addestramento del modello. Quando si registra il MLflow modello, in SageMaker AI vengono creati un gruppo di pacchetti di modelli e una versione del pacchetto di modelli corrispondenti. 

```
import mlflow.sklearn
from mlflow.models import infer_signature
from sklearn.datasets import make_regression
from sklearn.ensemble import RandomForestRegressor

mlflow.set_tracking_uri(arn)
params = {"n_estimators": 3, "random_state": 42}
X, y = make_regression(n_features=4, n_informative=2, random_state=0, shuffle=False)

# Log MLflow entities
with mlflow.start_run() as run:
    rfr = RandomForestRegressor(**params).fit(X, y)
    signature = infer_signature(X, rfr.predict(X))
    mlflow.log_params(params)
    mlflow.sklearn.log_model(rfr, artifact_path="sklearn-model", signature=signature)

model_uri = f"runs:/{run.info.run_id}/sklearn-model"
mv = mlflow.register_model(model_uri, "RandomForestRegressionModel")

print(f"Name: {mv.name}")
print(f"Version: {mv.version}")
```

## Registra i modelli utilizzando l' MLflow interfaccia utente
<a name="mlflow-track-experiments-model-registration-ui"></a>

In alternativa, puoi registrare un modello con il SageMaker Model Registry direttamente nell' MLflow interfaccia utente. Nel menu **Modelli** dell' MLflow interfaccia utente, scegli **Crea modello**. Tutti i modelli appena creati in questo modo vengono aggiunti al Registro dei SageMaker modelli.

![\[Creazione del registro dei modelli all'interno dell' MLflow interfaccia utente.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-ui-register-model.png)


Dopo aver registrato un modello durante il tracciamento dell'esperimento, vai alla pagina di esecuzione nell' MLflow interfaccia utente. Scegliete il riquadro **Artifacts** e scegliete **Registra modello** nell'angolo in alto a destra per registrare la versione del modello sia in Model Registry che MLflow in Model Registry. SageMaker 

![\[Creazione del registro dei modelli all'interno dell'interfaccia utente. MLflow\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-ui-register-model-2.png)


## Visualizzazione dei modelli registrati in Studio
<a name="mlflow-track-experiments-model-registration-ui-view"></a>

Nella pagina iniziale di SageMaker Studio, scegli **Modelli** nel riquadro di navigazione a sinistra per visualizzare i modelli registrati. Per ulteriori informazioni su come iniziare a usare Studio, consulta [Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html).

![\[MLflow modelli registrati nel SageMaker Model Registry nell'interfaccia utente di Studio.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-studio-model-registry.png)