As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Registrar automaticamente modelos do SageMaker AI com o Registro de Modelos do SageMaker

Você pode catalogar os modelos MLflow e registrá-los automaticamente no log de modelo SageMaker usando o SDK do Python, ou diretamente pela interface do usuário do MLflow.

Registre os modelos usando o SageMaker Python SDK

Use create_registered_model em seu cliente MLflow para criar automaticamente um grupo de pacotes de modelo no SageMaker AI que corresponda a um modelo do MLflow existente de sua escolha.

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"})

Use mlflow.register_model() para registrar automaticamente um modelo no registro de modelo SageMaker durante o treinamento do modelo. Ao registrar o modelo do MLflow, são criados um grupo de pacotes de modelo e uma versão do pacote de modelo correspondente no SageMaker AI.

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}")

Registrar modelos usando a interface do usuário do MLflow

Você também pode registrar um modelo no registro de modelo SageMaker diretamente na interface do usuário do MLflow. No menu Modelos, na interface do usuário do MLflow, selecione Criar modelo. Todos os modelos recém-criados dessa forma são adicionados ao registro de modelo SageMaker.

Depois de registrar um modelo durante o acompanhamento do experimento, navegue até a página de execução na interface do usuário do MLflow. Selecione o painel Artefatos e selecione Registrar modelo, no canto superior direito, para registrar a versão do modelo no MLflow e no registro de modelo SageMaker.

Exibir modelos registrados no Studio

Na página inicial do SageMaker Studio, selecione Modelos, no painel de navegação esquerdo, para visualizar seus modelos registrados. Para obter mais informações sobre como começar a usar o Studio, consulte Iniciar o Amazon SageMaker Studio.