MLflow 与您的环境集成 - 亚马逊 SageMaker AI
安装 MLflow 和 Amazon MLflow插件 Connect 连接到您的 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。

MLflow 与您的环境集成

以下页面介绍如何在开发环境中开始使用 MLflow SDK 和 Amazon MLflow 插件。这可能包括 Studio IDEs 或 Studio Classic 中的本地或 Jupyter 笔记本环境。

Amazon SageMaker AI 使用 MLflow 插件自定义 MLflow Python 客户端的行为并集成 Amazon 工具。该 Amazon MLflow 插件对 MLflow 使用Amazon 签名版本 4 进行的 API 调用进行身份验证。该 Amazon MLflow 插件允许您使用 MLflow跟踪服务器 ARN 连接到您的跟踪服务器。有关插件的更多信息，请参阅 MLflow 文档中的MLflow 插件。

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 MLflow 的 API 操作，才能成功运行提供的示例。有关更多信息，请参阅 为设置 IAM 权限 MLflow。

有关使用 MLflow 软件开发工具包的更多信息，请参阅 MLflow文档中的 Python API。

安装 MLflow 和 Amazon MLflow插件

在您的开发环境中，同时安装两者 MLflow 以及 Amazon MLflow 插件。

注意

要查看哪些版本可用于 SageMaker AI，请参阅跟踪服务器版本。 MLflow 

pip install mlflow==2.13.2 sagemaker-mlflow==0.1.0

Connect 连接到您的 MLflow 跟踪服务器

使用 mlflow.set_tracking_uri 从开发环境使用 ARN 连接到跟踪服务器：

import mlflow

arn = "YOUR-TRACKING-SERVER-ARN"

mlflow.set_tracking_uri(arn)