Amazon SageMaker Experiments dans Studio Classic
Important
Le suivi des expériences à l’aide du kit SageMaker Experiments Python SDK n’est disponible que dans Studio Classic. Nous vous recommandons d’utiliser la nouvelle expérience Studio et de créer des expériences à l’aide des dernières intégrations SageMaker AI avec MLflow. Il n’existe pas d’intégration de l’interface utilisateur MLflow dans Studio Classic. Si vous souhaitez utiliser MLflow avec Studio, vous devez lancer l’interface utilisateur MLflow à l’aide de l’AWS CLI. Pour plus d’informations, consultez Lancement de l’interface utilisateur MLflow à l’aide de l’AWS CLI.
Amazon SageMaker Experiments Classic est une fonctionnalité Amazon SageMaker AI qui permet de créer, de gérer, d’analyser et de comparer vos expériences de machine learning dans Studio Classic. Utilisez SageMaker Experiments pour afficher, gérer, analyser et comparer à la fois les expériences personnalisées que vous créez par programmation et les expériences créées automatiquement à partir de tâches SageMaker AI.
Experiments Classic suit automatiquement les entrées, les paramètres, les configurations et les résultats de toutes vos itérations en tant qu’exécutions. Vous avez la possibilité d'affecter, de regrouper et d'organiser ces exécutions au sein d'expériences. SageMaker Experiments est intégré dans Amazon SageMaker Studio Classic, ce qui fournit une interface visuelle pour parcourir vos expériences actives et passées, comparer les exécutions selon les métriques de performance clés et identifier les modèles les plus performants. SageMaker Experiments suit toutes les étapes et artefacts liés à la création d'un modèle et vous pouvez rapidement réexaminer les origines d'un modèle lorsque vous résolvez des problèmes en production ou que vous auditez vos modèles pour des vérifications de conformité.
Migration d’Experiments Classic vers Amazon SageMaker AI avec MLflow
Les expériences passées créées à l’aide d’Experiments Classic peuvent toujours être consultées dans Studio Classic. Si vous souhaitez conserver et utiliser le code des expériences antérieures avec MLflow, vous devez mettre à jour votre code d’entraînement pour utiliser le kit MLflow SDK et réexécuter les expériences d’entraînement. Pour plus d’informations sur la mise en route avec le kit MLflow SDK et le plug-in AWS MLflow, consultez Intégration de MLflow à votre environnement.
