使用 mlFlow 跟踪实验 - Amazon SageMaker
安装 mlFlow 和 mlF Amazon low 插件 连接到你的 mlFlow 跟踪服务器
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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)