Amazon SageMaker 现在提供完全托管的 MLflow 功能

发布于: 2024年6月19日

Amazon SageMaker 现在提供完全托管的 MLflow 功能。数据科学家可以使用熟悉的 MLflow 结构来组织、跟踪和分析机器学习实验，管理员可以设置 MLflow，使其具有更好的可扩展性、可用性和安全性。

MLflow 是一种流行的开源工具，可帮助客户管理机器学习实验。数据科学家和机器学习工程师已在结合使用 MLflow 和 SageMaker。但是，MLflow 需要设置、管理和保护对 MLflow 跟踪服务器的访问权限。通过此次发布，SageMaker 使客户只需单击几下即可更轻松地设置和管理 MLflow 跟踪服务器。客户可以通过 AWS Identity and Access Management 角色安全地访问 MLflow。数据科学家可以使用 MLflow SDK 跟踪本地笔记本电脑、IDE、SageMaker Studio 中的托管 IDE、SageMaker 训练作业、SageMaker 处理作业和 SageMaker Pipelines 中的实验。诸如运行比较和模型评估的丰富可视化效果等实验功能可帮助数据科学家找到最佳的训练迭代。在 MLflow 中注册的模型会自动出现在 SageMaker 模型注册表中，以提供统一的模型治理体验，客户无需构建自定义 MLflow 容器即可将 MLflow 模型部署到 SageMaker Inference 中。通过与 SageMaker 集成，数据科学家能够在模型训练期间轻松跟踪指标，从而确保不同框架和环境下的可重现性。

带有 MLflow 的 Amazon SageMaker 在目前提供 Amazon SageMaker 的所有 Amazon Web Services 区域推出，但中国区域和 GovCloud（美国）区域除外。有关定价，请参阅 Amazon SageMaker MLflow 定价。

要开始使用，请参阅 Amazon SageMaker 开发者指南和博客。