Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Crear MLflow aplicación # Cree una aplicación con el AWS CLI Puede crear una aplicación utilizando el AWS CLI para una personalización de seguridad más detallada. ## Requisitos previos Para crear una aplicación mediante el AWS CLI, debe disponer de lo siguiente: + **Acceso a un terminal**.Esto puede incluir IDE locales, una instancia de Amazon EC2 o. AWS CloudShell + **Acceso a un entorno de desarrollo**. Esto puede incluir un entorno local IDEs o un entorno de Jupyter Notebook en Studio o Studio Classic. + **Una instalación configurada AWS CLI **. Para obtener más información, consulte [Configuración de AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html). + **Un rol de IAM con los permisos adecuados**. Los siguientes pasos requieren que el entorno tenga los permisos `iam:CreateRole`, `iam:CreatePolicy`, `iam:AttachRolePolicy` y `iam:ListPolicies`. Estos permisos son necesarios para el rol que se utiliza para ejecutar los pasos de esta guía del usuario. Las instrucciones de esta guía crean una función de IAM que se utiliza como función de ejecución de la MLflow aplicación para que pueda acceder a los datos de sus buckets de Amazon S3. Además, se ha creado una política para conceder permiso de llamada a la función de IAM al usuario que interactúa con la aplicación a través del MLflow SDK. MLflow APIs Para obtener más información, consulte [Modifying a role permissions policy (console)](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-console.html#roles-modify_permissions-policy). Si utilizas un cuaderno de SageMaker Studio, actualiza el rol de servicio de tu perfil de usuario de Studio con estos permisos de IAM. Para actualizar el rol de servicio, dirígete a la consola de SageMaker AI y selecciona el dominio que estás usando. A continuación, en el dominio, seleccione el perfil de usuario que esté utilizando. Aparecerá el rol de servicio en la lista. Diríjase a la consola de IAM, busque el rol de servicio en **Roles** y actualice el rol con una política que permita las acciones `iam:CreateRole`, `iam:CreatePolicy`, `iam:AttachRolePolicy` y `iam:ListPolicies`. ## Configura el AWS CLI modelo Sigue estos pasos de la línea de comandos en una terminal AWS CLI para configurar Amazon SageMaker AI con MLflow. 1. Instale una versión actualizada de AWS CLI. Para obtener más información, consulte [Install or update to the latest version of the AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html) en la *Guía del usuario de AWS CLI *. 1. Compruebe que AWS CLI está instalado mediante el siguiente comando: ``` aws sagemaker help ``` Pulse `q` para salir de la petición. Para obtener ayuda sobre la resolución de problemas, consulte [Solución de problemas de configuración comunes](mlflow-troubleshooting.md). ## Configure la MLflow infraestructura En la siguiente sección, se muestra cómo configurar una MLflow aplicación junto con el bucket de Amazon S3 y el rol de IAM necesarios para la aplicación. ### Creación de un bucket de S3 En el terminal, utilice los siguientes comandos para crear un bucket de Amazon S3 de uso general: **importante** Cuando proporciones el URI de Amazon S3 para tu almacén de artefactos, asegúrate de que el bucket de Amazon S3 esté en el Región de AWS mismo lugar que tu MLflow aplicación. **No se admite el almacenamiento de artefactos entre regiones**. ``` bucket_name=bucket-name region=valid-region aws s3api create-bucket \ --bucket $bucket_name \ --region $region \ --create-bucket-configuration LocationConstraint=$region ``` El resultado debería tener un aspecto similar al siguiente: ``` { "Location": "/bucket-name" } ``` ### Configuración de políticas de confianza de IAM Siga estos pasos para crear una política de confianza de IAM. Para obtener más información sobre los roles y las políticas de confianza, consulte [Términos y conceptos de roles](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_terms-and-concepts.html) en la *Guía del usuario de AWS Identity and Access Management *. 1. En el terminal, use el siguiente comando para crear un archivo denominado `mlflow-trust-policy.json`. ``` cat < /tmp/mlflow-trust-policy.json { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": [ "sagemaker.amazonaws.com" ] }, "Action": "sts:AssumeRole" } ] } EOF ``` 1. En el terminal, use el siguiente comando para crear un archivo denominado `custom-policy.json`. ``` cat < /tmp/custom-policy.json { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:Get*", "s3:Put*", "sagemaker:AddTags", "sagemaker:CreateModelPackageGroup", "sagemaker:CreateModelPackage", "sagemaker:DescribeModelPackageGroup", "sagemaker:UpdateModelPackage", "s3:List*" ], "Resource": "*" } ] } EOF ``` 1. Utilice el archivo de política de confianza para crear un rol. A continuación, adjunte políticas de roles de IAM que le permitan acceder MLflow a Amazon S3 y SageMaker Model Registry desde su cuenta. MLflow debe tener acceso a Amazon S3 para el almacén de artefactos de su aplicación y al Registro de SageMaker modelos para el registro automático de modelos. **nota** Si está actualizando un rol existente, use el siguiente comando: `aws iam update-assume-role-policy --role-name $role_name --policy-document file:///tmp/mlflow-trust-policy.json`. ``` role_name=role-name aws iam create-role \ --role-name $role_name \ --assume-role-policy-document file:///tmp/mlflow-trust-policy.json aws iam put-role-policy \ --role-name $role_name \ --policy-name custom-policy \ --policy-document file:///tmp/custom-policy.json role_arn=$(aws iam get-role --role-name $role_name --query 'Role.Arn' --output text) ``` ## Crear aplicación MLflow En su terminal, utilice la `create-mlflow-app` API para crear una aplicación en Región de AWS la que prefiera. Este paso suele tardar entre 2 y 3 minutos aproximadamente. El siguiente comando crea una nueva aplicación con el registro automático de modelos activado. Para desactivar el registro automático de modelos, especifique `--no-automatic-model-registration`. Tras crear la aplicación, puede iniciar la MLflow interfaz de usuario. Para obtener más información, consulte [Inicio de la interfaz de usuario de MLflow mediante una URL prefirmada](mlflow-launch-ui.md). **nota** Completar la creación de la aplicación puede tardar entre 2 y 3 minutos. Si la aplicación tarda más de 3 minutos en crearse, compruebe que dispone de los permisos de IAM necesarios. Cuando creas correctamente una aplicación, se inicia automáticamente. De forma predeterminada, la aplicación que se crea es la versión más reciente y se actualizará automáticamente. ``` app_name=app-name region=valid-region version=valid-version aws sagemaker create-mlflow-app \ --name $app_name \ --artifact-store-uri s3://$bucket_name \ --role-arn $role_arn \ --automatic-model-registration \ --region $region ``` El resultado debería ser similar al siguiente: ``` { "AppArn": "arn:aws:sagemaker:region:123456789012:mlflow-app/app-name" } ``` **importante** **Tome nota del ARN de la aplicación para su uso posterior.** También necesitará el `$bucket_name` para llevar a cabo los pasos de limpieza.