環境に MLflow を統合する - Amazon SageMaker AI
MLflow と AWS MLflow プラグインをインストールする MLflow 追跡サーバーに接続する

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

環境に MLflow を統合する

以下のページでは、開発環境内で MLflow SDK と AWS MLflow プラグインを使い始める方法を説明します。ローカルの IDE や、Studio または Studio Classic 内の Jupyter Notebook 環境が該当します。

Amazon SageMaker AI は、MLflow プラグインを使用して MLflow Python クライアントの動作をカスタマイズし、AWS ツールを統合します。AWS MLflow プラグインは、AWS Signature バージョン 4 を使用して、MLflow で行われた API コールを認証します。AWS MLflow プラグインを使用すると、MLflow 追跡サーバーの ARN を使用して、その追跡サーバーに接続できます。プラグインの詳細については、AWS MLflow Plugin」とMLflow Plugins」を参照してください。

重要

ここで紹介しているサンプルを正常に実行するためには、開発環境内のユーザーの IAM アクセス許可で、関連する MLflow API アクションへのアクセスが認められている必要があります。詳細については、「MLflow の IAM アクセス許可を設定する」を参照してください。

MLflow SDK の使用方法の詳細については、MLflow ドキュメントの「Python API」を参照してください。

MLflow と AWS MLflow プラグインをインストールする

開発環境内で、MLflow と AWS MLflow プラグインの両方をインストールします。

pip install sagemaker-mlflow

MLflow クライアントと追跡サーバー間の互換性を確保するには、お使いの追跡サーバーのバージョンに応じて対応する MLflow バージョンを使用します。

  • 追跡サーバー 2.13.x の場合は mlflow==2.13.2 を使用

  • 追跡サーバー 2.16.x の場合は mlflow==2.16.2 を使用

  • 追跡サーバー 3.0.x の場合は mlflow==3.0.0 を使用

SageMaker AI で使用できる MLflow のバージョンを確認するには、「追跡サーバーのバージョン」を参照してください。

MLflow 追跡サーバーに接続する

mlflow.set_tracking_uri を使用して、ARN を使用して開発環境から追跡サーバーに接続します。

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)