本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
將 MLflow 與您的環境整合
下頁說明如何在開發環境中開始使用 MLflow SDK 和 AWS MLflow 外掛程式。這可能包括 Studio 或 Studio Classic 內的本機 IDEs 或 Jupyter 筆記本環境。
Amazon SageMaker AI 使用 MLflow 外掛程式來自訂 MLflow Python 用戶端的行為並整合 AWS 工具。 AWS MLflow 外掛程式會使用 Signature 第 4 版來驗證使用 MLflow 進行的 API 呼叫。 AWS AWS MLflow 外掛程式可讓您使用追蹤伺服器 ARN 連線至 MLflow 追蹤伺服器。如需外掛程式的詳細資訊，請參閱 AWS MLflow 外掛程式
重要
開發環境中的使用者 IAM 許可必須能夠存取任何相關的 MLflow API 動作，才能成功執行提供的範例。如需詳細資訊，請參閱設定 MLflow 的 IAM 許可。
如需使用 MLflow SDK 的詳細資訊，請參閱 MLflow 文件中的 Python API
安裝 MLflow 和 AWS MLflow 外掛程式
在您的開發環境中，同時安裝 MLflow 和 AWS MLflow 外掛程式。
pip install sagemaker-mlflow
為了確保 MLflow 用戶端和追蹤伺服器之間的相容性，請根據您的追蹤伺服器版本使用對應的 MLflow 版本：
-
對於追蹤伺服器 2.13.x，請使用
mlflow==2.13.2 -
對於追蹤伺服器 2.16.x，請使用
mlflow==2.16.2 -
對於追蹤伺服器 3.0.x，請使用
mlflow==3.0.0
若要查看哪些版本的 MLflow 可與 SageMaker AI 搭配使用，請參閱 追蹤伺服器版本。
連線至 MLflow 追蹤伺服器
使用 從開發環境使用 ARN mlflow.set_tracking_uri連線至追蹤伺服器：
import mlflow arn ="YOUR-TRACKING-SERVER-ARN"mlflow.set_tracking_uri(arn)
