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

次のページでは、開発環境内で MLflow SDK と AWS MLflow プラグインの使用を開始する方法について説明します。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 署名バージョン 4](https://docs.aws.amazon.com/AmazonS3/latest/API/sig-v4-authenticating-requests.html) 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、追跡サーバーの ARN を使用して MLflow 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](https://pypi.org/project/sagemaker-mlflow/)」と[MLflow Plugins](https://mlflow.org/docs/latest/plugins.html)」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](mlflow-create-tracking-server-iam.md)」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](https://mlflow.org/docs/2.13.2/python_api/index.html)」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
<a name="mlflow-track-experiments-install-plugin"></a>

開発環境内で、MLflow プラグインと 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](mlflow.md#mlflow-create-tracking-server-versions)」を参照してください。

## MLflow 追跡サーバーに接続する
<a name="mlflow-track-experiments-tracking-server-connect"></a>

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