翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SageMaker Model Registry に SageMaker AI モデルを自動的に登録する
<a name="mlflow-track-experiments-model-registration"></a>

MLflow モデルをログに記録し、Python SDK を使用するか、MLflow UI から直接 SageMaker Model Registry に自動登録できます。

**注記**  
モデル名にはスペースを入れないでください。MLflow はスペースを含むモデル名に対応していますが、SageMaker AI モデルパッケージは対応していません。モデル名にスペースが入っていると、自動登録プロセスが失敗します。

## SageMaker Python SDK を使用してモデルを登録する
<a name="mlflow-track-experiments-model-registration-sdk"></a>

MLflow クライアント内で `create_registered_model` を使用すると、選択した既存の MLflow モデルに対応するモデルパッケージグループが SageMaker AI で自動的に作成されます。

```
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()` を使用して、モデルトレーニング中に SageMaker Model Registry にモデルを自動的に登録します。MLflow モデルを登録すると、対応するモデルパッケージグループとモデルパッケージバージョンが SageMaker AI で作成されます。

```
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}")
```

## MLflow UI を使用してモデルを登録する
<a name="mlflow-track-experiments-model-registration-ui"></a>

または、MLflow UI で直接 SageMaker Model Registry にモデルを登録することもできます。MLflow UI の **[Models]** メニューで、**[Create Model]** を選択します。この方法で新しく作成されたモデルは、SageMaker Model Registry に追加されます。

![\[MLflow UI 内でのモデルレジストリの作成。\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/mlflow/mlflow-ui-register-model.png)


実験の追跡中にモデルをログに記録したら、MLflow UI でその実行のページに移動します。**[Artifacts]** ペインを選択し、右上隅で **[Register model]** を選択して、MLflow と SageMaker Model Registry の両方にモデルバージョンを登録します。

![\[MLflow UI 内でのモデルレジストリの作成。\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/mlflow/mlflow-ui-register-model-2.png)


## 登録されたモデルを Studio で表示する
<a name="mlflow-track-experiments-model-registration-ui-view"></a>

SageMaker Studio のランディングページで、左側のナビゲーションペインの **[モデル]** を選択して、登録済みのモデルを表示します。Studio の基本的な操作方法については、「[Amazon SageMaker Studio を起動する](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html)」を参照してください。

![\[SageMaker Model Registry に登録された MLflow モデルを表示する Studio UI。\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/mlflow/mlflow-studio-model-registry.png)