Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Tutorial di MLflow con notebook Jupyter di esempio
I seguenti tutorial mostrano come integrare gli esperimenti di MLflow nei flussi di lavoro di addestramento. Per eliminare le risorse create dal tutoriale di un notebook, consulta Eliminazione delle risorse MLflow.
È possibile eseguire notebook di esempio di SageMaker AI utilizzando JupyterLab in Studio. Per ulteriori informazioni su JupyterLab, consulta JupyterLab guida per l'utente.
Esplora i notebook di esempio riportati di seguito.
-
SageMaker Training with MLflow
: addestra e registra un modello Scikit-Learn utilizzando SageMaker AI in modalità script. Scopri come integrare gli esperimenti MLflow nel tuo script di addestramento. Per ulteriori informazioni sull’addestramento dei modelli, consulta Addestramento di un modello con Amazon SageMaker AI. -
SageMaker AI HPO with MLflow
: scopri come tracciare il tuo esperimento ML in MLflow con l’ottimizzazione automatica dei modelli (AMT) di Amazon SageMaker AI e SageMaker AI Python SDK. Ogni iterazione di addestramento viene registrata come esecuzione all’interno dello stesso esperimento. Per ulteriori informazioni sull’ottimizzazione degli iperparametri (HPO), consulta Esegui l’ottimizzazione automatica dei modelli con Amazon SageMaker AI. -
SageMaker Pipelines with MLflow
: utilizza Amazon SageMaker Pipelines e MLflow per addestrare, valutare e registrare un modello. Questo notebook utilizza il decoratore @stepper creare una pipeline SageMaker AI. Per ulteriori informazioni sulle pipeline e sul decoratore@step, consulta Creazione di una pipeline con funzioni decorate con@step. -
Deploy an MLflow Model to SageMaker AI
: addestra un modello di albero decisionale utilizzando Scikit-Learn. Quindi, utilizza ModelBuilderdi Amazon SageMaker AI per implementare il modello su un endpoint di SageMaker AI ed eseguire l’inferenza utilizzando il modello implementato. Per ulteriori informazioni suModelBuilder, consulta Implementazione dei modelli MLflow con ModelBuilder.
