기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# SageMaker AI 모델 레지스트리에 SageMaker AI 모델 자동 등록
MLflow 모델을 로깅하고 Python SDK를 사용하거나 MLflow UI를 통해 직접 SageMaker 모델 레지스트리에 자동으로 등록할 수 있습니다.
**참고**
모델 이름에 공백을 사용하지 마세요. MLflow는 공백이 있는 모델 이름을 지원하지만 SageMaker AI 모델 패키지는 이를 지원하지 않습니다. 모델 이름에 공백을 사용하면 자동 등록 프로세스가 실패합니다.
## SageMaker Python SDK를 사용하여 모델 등록하기
MLflow 클라이언트 내에서 `create_registered_model`을 사용하여 선택한 기존 MLflow 모델에 해당하는 모델 패키지 그룹을 SageMaker AI에서 자동으로 만듭니다.
```
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"}}})
```
모델 훈련 중에 SageMaker 모델 레지스트리에 모델을 자동으로 등록하는 데 `mlflow.register_model()`를 사용합니다. MLflow 모델을 등록할 때 해당 모델 패키지 그룹 및 모델 패키지 버전이 SageMaker AI에 만들어집니다.
```
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}")
```
## MLflow UI를 사용하여 모델 등록
또는 MLflow UI에서 직접 SageMaker 모델 레지스트리에 모델을 등록할 수 있습니다. MLflow UI의 **모델** 메뉴에서 **모델 생성**을 선택합니다. 이러한 방식으로 새로 생성된 모든 모델은 SageMaker 모델 레지스트리에 추가됩니다.
실험 추적 중에 모델을 로깅한 후 MLflow UI의 실행 페이지로 이동합니다. **아티팩트** 창을 선택하고 오른쪽 상단 모서리에서 **모델 등록**을 선택하여 MLflow 및 SageMaker 모델 레지스트리 모두에 모델 버전을 등록합니다.
## Studio에서 등록된 모델 보기
SageMaker Studio 랜딩 페이지에서 왼쪽 탐색 창의 **모델**을 선택하여 등록된 모델을 확인합니다. Studio를 시작하기에 대한 자세한 내용은 [Amazon SageMaker Studio 시작](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html)을 참조하세요.
