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.

# MLflow Integre-se ao seu ambiente
<a name="mlflow-track-experiments"></a>

A página a seguir descreve como começar a usar o MLflow SDK e o AWS MLflow plug-in em seu ambiente de desenvolvimento. Isso pode incluir um ambiente local IDEs ou um ambiente Jupyter Notebook no Studio ou no Studio Classic.

A Amazon SageMaker AI usa um MLflow plug-in para personalizar o comportamento do cliente MLflow Python e integrar AWS ferramentas. O AWS MLflow plug-in autentica as chamadas de API feitas MLflow usando o [AWS Signature Version 4](https://docs.aws.amazon.com/AmazonS3/latest/API/sig-v4-authenticating-requests.html). O AWS MLflow plug-in permite que você se conecte ao seu servidor MLflow de rastreamento usando o ARN do servidor de rastreamento. Para obter mais informações sobre plug-ins, consulte [AWS MLflow MLflow plug-ins](https://pypi.org/project/sagemaker-mlflow/) [e plug-ins](https://mlflow.org/docs/latest/plugins.html).

**Importante**  
Suas permissões de usuário do IAM em seu ambiente de desenvolvimento devem ter acesso a todas as ações relevantes MLflow da API para executar com sucesso os exemplos fornecidos. Para obter mais informações, consulte [Configure as permissões do IAM para MLflow](mlflow-create-tracking-server-iam.md).

Para obter mais informações sobre como usar o MLflow SDK, consulte a API [Python](https://mlflow.org/docs/2.13.2/python_api/index.html) na MLflow documentação.

## Instalação MLflow e o AWS MLflow plug-in
<a name="mlflow-track-experiments-install-plugin"></a>

Em seu ambiente de desenvolvimento, instale ambos MLflow e o AWS MLflow plug-in.

```
pip install sagemaker-mlflow
```

Para garantir a compatibilidade entre seu MLflow cliente e o servidor de rastreamento, use a MLflow versão correspondente com base na versão do seu servidor de rastreamento:
+ Para o servidor de rastreamento 2.13.x, use `mlflow==2.13.2`.
+ Para o servidor de rastreamento 2.16.x, use `mlflow==2.16.2`.
+ Para o servidor de rastreamento 3.0.x, use `mlflow==3.0.0`.

Para ver quais versões do MLflow estão disponíveis para uso com SageMaker IA, consulte[Monitoramento de versões do servidor](mlflow.md#mlflow-create-tracking-server-versions).

## Conecte-se ao seu servidor MLflow de rastreamento
<a name="mlflow-track-experiments-tracking-server-connect"></a>

Use `[mlflow.set\$1tracking\$1uri](https://mlflow.org/docs/2.13.2/python_api/mlflow.html#mlflow.set_tracking_uri)` para conectar-se a um servidor de rastreamento a partir do seu ambiente de desenvolvimento usando o ARN:

```
import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)
```