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.

# Registra automaticamente i modelli SageMaker AI con Model Registry SageMaker
<a name="mlflow-track-experiments-model-registration"></a>

È possibile registrare i modelli MLFlow e registrarli automaticamente con SageMaker Model Registry utilizzando Python SDK o direttamente tramite l'interfaccia utente MLFlow. 

**Nota**  
Non utilizzare spazi in un nome del modello. Sebbene MLFlow supporti i nomi dei modelli con spazi, SageMaker AI Model Package non lo fa. Il processo di registrazione automatica non riesce se utilizzi spazi nel nome del modello.

## Registra modelli usando SageMaker Python SDK
<a name="mlflow-track-experiments-model-registration-sdk"></a>

Utilizzalo `create_registered_model` all'interno del tuo client MLFlow per creare automaticamente un gruppo di pacchetti di modelli in SageMaker AI che corrisponde a un modello MLFlow esistente di tua scelta.

```
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"}}})
```

`mlflow.register_model()`Utilizzatelo per registrare automaticamente un modello nel Model Registry durante l' SageMaker addestramento del modello. Quando si registra il modello MLFlow, in AI vengono creati un gruppo di pacchetti di modelli e una versione del pacchetto di modelli corrispondenti. SageMaker 

```
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}")
```

## Registrazione dei modelli utilizzando l’interfaccia utente MLflow
<a name="mlflow-track-experiments-model-registration-ui"></a>

In alternativa, è possibile registrare un modello con il Model SageMaker Registry direttamente nell'interfaccia utente di MLFlow. Nel menu **Modelli** nell’interfaccia utente MLflow, seleziona **Crea modello**. Tutti i modelli appena creati in questo modo vengono aggiunti al SageMaker Model Registry.

![Creazione del registro dei modelli all’interno dell’interfaccia utente MLflow.](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-ui-register-model.png)


Dopo aver registrato log per un modello durante il tracciamento dell’esperimento, vai alla pagina dell’esecuzione nell’interfaccia utente di MLflow. Scegliete il riquadro **Artifacts** e scegliete **Registra modello** nell'angolo in alto a destra per registrare la versione del modello sia in MLFlow che nel Model Registry. SageMaker 

![Creazione del registro dei modelli all’interno dell’interfaccia utente MLflow.](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-ui-register-model-2.png)


## Visualizzazione dei modelli registrati in Studio
<a name="mlflow-track-experiments-model-registration-ui-view"></a>

Nella pagina iniziale di SageMaker Studio, scegli **Modelli** nel riquadro di navigazione a sinistra per visualizzare i modelli registrati. Per ulteriori informazioni su come iniziare a usare Studio, consulta [Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html).

![Modelli MLFlow registrati nel SageMaker Model Registry nell'interfaccia utente di Studio.](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-studio-model-registry.png)