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.

Registre automáticamente los modelos de SageMaker IA con Model Registry SageMaker

Puede registrar los modelos de MLflow y registrarlos automáticamente en SageMaker Model Registry mediante el SDK de Python o directamente a través de la interfaz de usuario de MLflow.

Registre modelos con el SDK de SageMaker Python

Úselo create_registered_model en su cliente de MLflow para crear automáticamente un grupo de paquetes de modelos en SageMaker IA que se corresponda con un modelo de MLflow existente de su elección.

import mlflow 
from mlflow import MlflowClient

mlflow.set_tracking_uri(arn)

client = MlflowClient()

mlflow_model_name = 'AutoRegisteredModel'
client.create_registered_model(mlflow_model_name, tags={"key1": "value1"})

Se utiliza mlflow.register_model() para registrar automáticamente un modelo en el registro de SageMaker modelos durante el entrenamiento del modelo. Al registrar el modelo MLflow, se crean en SageMaker AI el grupo de paquetes de modelos y la versión del paquete de modelos correspondientes.

import mlflow.sklearn
from mlflow.models import infer_signature
from sklearn.datasets import make_regression
from sklearn.ensemble import RandomForestRegressor

mlflow.set_tracking_uri(arn)
params = {"n_estimators": 3, "random_state": 42}
X, y = make_regression(n_features=4, n_informative=2, random_state=0, shuffle=False)

# Log MLflow entities
with mlflow.start_run() as run:
    rfr = RandomForestRegressor(**params).fit(X, y)
    signature = infer_signature(X, rfr.predict(X))
    mlflow.log_params(params)
    mlflow.sklearn.log_model(rfr, artifact_path="sklearn-model", signature=signature)

model_uri = f"runs:/{run.info.run_id}/sklearn-model"
mv = mlflow.register_model(model_uri, "RandomForestRegressionModel")

print(f"Name: {mv.name}")
print(f"Version: {mv.version}")

Registro de modelos mediante la interfaz de usuario de MLflow

También puede registrar un modelo en el registro de modelos directamente en la SageMaker interfaz de usuario de MLflow. En el menú Modelos de la interfaz de usuario de MLflow, elija Crear modelo. Todos los modelos recién creados de esta manera se añaden al registro de SageMaker modelos.

Después de registrar un modelo durante el seguimiento del experimento, diríjase a la página de ejecución en la interfaz de usuario de MLflow. Seleccione el panel de artefactos y elija Registrar modelo en la esquina superior derecha para registrar la versión del modelo tanto en MLflow como en SageMaker Model Registry.

Visualización de los modelos registrados en Studio

En la página de inicio de SageMaker Studio, seleccione Modelos en el panel de navegación izquierdo para ver los modelos registrados. Para obtener más información sobre cómo empezar a usar Studio, consulte Launch Amazon SageMaker Studio.