Experimentos de Amazon SageMaker en Studio Classic
importante
El seguimiento de experimentos mediante el Python SDK de Experimentos de SageMaker solo está disponible en Studio Classic. Recomendamos utilizar la nueva experiencia de Studio y crear experimentos con las últimas integraciones de SageMaker AI con MLflow. La interfaz de usuario de MLflow no está integrada con Studio Classic. Si desea utilizar MLflow con Studio, debe iniciar la interfaz de usuario de MLflow mediante la AWS CLI. Para obtener más información, consulte Inicio de la interfaz de usuario de MLflow mediante la AWS CLI.
Experimentos Classic de Amazon SageMaker es una capacidad de Amazon SageMaker AI que le permite crear, administrar, analizar y comparar los experimentos de machine learning en Studio Classic. Utilice SageMaker Experiments para ver, administrar, analizar y comparar tanto los experimentos personalizados que cree mediante programación como los experimentos creados automáticamente a partir de trabajos de SageMaker AI.
Experimentos Classic realiza un seguimiento automático de las entradas, parámetros, configuraciones y resultados de las iteraciones como ejecuciones. También puede asignar, agrupar y organizar estas pruebas en experimentos. Experimentos de SageMaker está integrado con Amazon SageMaker Studio Classic y proporciona una interfaz visual para examinar los experimentos activos y pasivos, comparar las ejecuciones con métricas de rendimiento clave e identificar los modelos de mejor rendimiento. Dado que SageMaker Experiments permite supervisar todos los pasos y artefactos que intervinieron en la creación de un modelo, puede volver a visitar rápidamente los orígenes de un modelo al resolver problemas durante la producción o al auditar los modelos para verificar su conformidad.
Migración de Experimentos Classic a Amazon SageMaker AI con MLflow
Los experimentos anteriores creados con Experimentos Classic todavía están disponibles para su visualización en Studio Classic. Si desea mantener y usar el código de experimentos anteriores con MLflow, debe actualizar el código de entrenamiento para usar el MLflow SDK y volver a ejecutar los experimentos de entrenamiento. Para obtener más información sobre cómo empezar a utilizar el MLflow SDK y el complemento MLflow de AWS, consulte Integración de MLflow con el entorno.
