本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
使用 mlFlow 跟踪实验
亚马逊 SageMaker 使用 mlFlow 插件自定义 mlFlow Python 客户端的行为并集成 Amazon 工具。 Amazon mlFlow 插件使用Amazon 签名版本 4 对通过 mlFlow 进行的 API 调用进行身份验证。 Amazon mlFlow 插件允许您使用跟踪服务器 ARN 连接到 mlFlow 跟踪服务器。有关插件的更多信息,请参阅 mlFlow 文档中的 mlFlow 插件
在您的开发环境中开始使用 mlFlow SDK 和 Amazon mlFlow 插件。这可能包括本地 IDE 或 Studio 或 Studio Classic 中的 Jupyter 笔记本环境。
重要
您的开发环境中的用户 IAM 权限必须有权访问任何相关的 mlFlow API 操作,才能成功运行提供的示例。有关更多信息,请参阅 为 mlFlow 设置 IAM 权限。
有关使用 mlFlow SDK 的更多信息,请参阅 mlFlow 文档中的 Python API
安装 mlFlow 和 mlF Amazon low 插件
在您的开发环境中,同时安装 mlFlow 和 mlF Amazon low 插件。
注意
要查看哪些版本的 mlFlow 可供使用 SageMaker,请参阅跟踪服务器版本。
pip install mlflow==
2.13.2
sagemaker-mlflow==0.1.0
连接到你的 mlFlow 跟踪服务器
mlflow.set_tracking_uri
使用您的开发环境中的跟踪服务器的 ARN 连接到该服务器:
import mlflow arn =
"YOUR-TRACKING-SERVER-ARN"
mlflow.set_tracking_uri(arn
)