Amazon SageMaker Experiments in Studio Classic
Importante
Il tracciamento degli esperimenti con SageMaker Experiments Python SDK è disponibile solo in Studio Classic. Ti consigliamo di utilizzare la nuova esperienza Studio e di creare esperimenti utilizzando le più recenti integrazioni di SageMaker AI con MLflow. Non esiste alcuna integrazione dell’interfaccia utente di MLflow con Studio Classic. Se desideri utilizzare MLflow con Studio, devi avviare l’interfaccia utente di MLflow con AWS CLI. Per ulteriori informazioni, consulta Avvia l’interfaccia utente di MLflow utilizzando la AWS CLI.
Amazon SageMaker Experiments Classic è una funzionalità di Amazon SageMaker AI che ti consente di creare, gestire, analizzare e mettere a confronto i tuoi esperimenti di machine learning in Studio Classic. Utilizza SageMaker Experiments per visualizzare, gestire, analizzare e mettere a confronto sia gli esperimenti personalizzati che crei a livello di codice sia quelli creati automaticamente dai processi SageMaker AI.
Experiments Classic traccia in automatico gli input, i parametri, le configurazioni e i risultati delle tue iterazioni come esecuzioni. Puoi assegnare, raggruppare e organizzare queste prove in esperimenti. SageMaker Experiments è integrato con Amazon SageMaker Studio Classic che offre un’interfaccia visiva per sfogliare gli esperimenti attivi e passati, mettere a confronto le esecuzioni in base ai parametri chiave delle prestazioni e identificare i modelli più performanti. Poiché SageMaker Experiments tiene traccia di tutte le fasi e degli artefatti che hanno portato alla creazione di un modello, puoi rivedere rapidamente le origini di un modello quando stai risolvendo problemi in produzione o quando stai controllando i tuoi modelli per verificare la conformità.
Migrazione da Experiments Classic ad Amazon SageMaker AI con MLflow
Gli esperimenti precedenti creati utilizzando Experiments Classic sono ancora disponibili per la visualizzazione in Studio Classic. Se desideri mantenere e utilizzare il codice degli esperimenti precedenti con MLflow, devi aggiornare il codice di addestramento per utilizzare MLflow SDK ed eseguire nuovamente gli esperimenti di addestramento. Per ulteriori informazioni su come iniziare a utilizzare MLflow SDK e il plug-in MLflow AWS, consulta Integrazione di MLflow con il proprio ambiente.
