Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Integration hinzufügen
<a name="build-and-manage-steps-integration"></a>

Die MLflow-Integration ermöglicht es Ihnen, MLflow mit Pipelines zu verwenden, um einen Tracking-Server oder eine serverlose Anwendung auszuwählen, ein Experiment auszuwählen und Metriken zu protokollieren.

## Die wichtigsten Konzepte
<a name="add-integration-key-concepts"></a>

**Standard-App-Erstellung** - Eine Standard-MLflow-Anwendung wird erstellt, wenn Sie den visuellen Pipeline-Editor aufrufen.

**Integrationspanel** - Ein neues Integrationsfenster enthält MLflow, das Sie auswählen und konfigurieren können.

**App aktualisieren und experimentieren** — Die Option, die ausgewählte Anwendung zu überschreiben und während der Pipeline-Ausführung zu experimentieren.

## Funktionsweise
<a name="add-integration-how-it-works"></a>
+ Gehen Sie zum **Pipeline Visual Editor**
+ Wählen Sie **in der Werkzeugleiste Integration**
+ Wählen Sie **MLflow**
+ Konfiguriere die MLflow App und experimentiere

## Beispiel-Screenshots
<a name="add-integration-example-screenshots"></a>

Seitenbereich für Integrationen

![Die Beschreibung der zu erledigenden Aufgaben.](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/screenshot-pipeline-1.png)


MLflow-Konfiguration

![Die Beschreibung der Aufgabe.](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/screenshot-pipeline-2.png)


Wie überschreibt man das Experiment während der Pipeline-Ausführung

![Die Beschreibung der Aufgabe.](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/screenshot-pipeline-3.png)