使用 Jupyter Notebook 示例的 MLflow 教程

SageMaker 使用 mlFlow 进行训练 — 在脚本模式下使用 SageMaker AI 训练和注册 Scikit-Learn 模型。了解如何将 MLflow 实验集成到您的训练脚本中。有关模型训练的更多信息，请参阅使用 Amazon A SageMaker I 训练模型。

SageMaker 使用 mlFlow 的 AI HPO — 了解如何使用亚马逊 SageMaker 人工智能自动模型调整 (AMT) 和 AI SDK 在 mlFlow 中跟踪你的机器学习实验。 SageMaker Python每次训练迭代都被记录为同一实验中的一次运行。有关超参数优化 (HPO) 的更多信息，请参阅使用 Ama SageMaker zon AI 执行自动模型调整。

SageMaker 带有 mlFlow 的 SageMaker 管道 — 使用 Amazon Pipelines 和 mlFlow 来训练、评估和注册模型。这本笔记本使用@step装饰器来构建 A SageMaker I 管道。有关管道和 @step 装饰器的更多信息，请参阅使用 @step 装饰函数创建管道。

将 mlFlow 模型部署到 SageMaker AI — 使用 SciKit-Learn训练决策树模型。然后，使用 Amazon SageMaker AI 将模型部署ModelBuilder到 A SageMaker I 终端节点，并使用已部署的模型运行推理。有关 ModelBuilder 的更多信息，请参阅 使用 ModelBuilder 部署 MLflow 模型。