기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# MLflow를 환경과 통합
<a name="mlflow-track-experiments"></a>

다음 페이지에서는 개발 환경 내에서 MLflow SDK 및 AWS MLflow 플러그인을 시작하는 방법을 설명합니다. 여기에는 Studio 또는 Studio Classic 내의 로컬 IDE 또는 Jupyter Notebook 환경이 포함될 수 있습니다.

Amazon SageMaker AI는 MLflow 플러그인을 사용하여 MLflow Python 클라이언트의 동작을 사용자 지정하고 AWS 도구를 통합합니다. AWS MLflow 플러그인은 [AWS 서명 버전 4](https://docs.aws.amazon.com/AmazonS3/latest/API/sig-v4-authenticating-requests.html)를 사용하여 MLflow로 수행된 API 호출을 인증합니다. AWS MLflow 플러그인을 사용하면 추적 서버 ARN을 사용하여 MLflow 추적 서버에 연결할 수 있습니다. 플러그인에 대한 자세한 내용은 [AWS MLflow 플러그인](https://pypi.org/project/sagemaker-mlflow/) 및 [MLflow 플러그인](https://mlflow.org/docs/latest/plugins.html)을 참조하세요.

**중요**  
개발 환경 내의 사용자 IAM 권한은 제공된 예제를 성공적으로 실행하려면 관련 MLflow API 작업에 액세스할 수 있어야 합니다. 자세한 내용은 [MLflow에 대한 IAM 권한을 설정합니다.](mlflow-create-tracking-server-iam.md) 섹션을 참조하세요.

MLflow SDK 사용에 대한 자세한 내용은 MLflow 설명서의 [Python API](https://mlflow.org/docs/2.13.2/python_api/index.html)를 참조하세요.

## MLflow 및 AWS MLflow 플러그인 설치
<a name="mlflow-track-experiments-install-plugin"></a>

개발 환경 내에 MLflow와 AWS MLflow 플러그인을 모두 설치합니다.

```
pip install sagemaker-mlflow
```

MLflow 클라이언트와 추적 서버 간의 호환성을 확보하려면 추적 서버 버전에 따라 해당 MLflow 버전을 사용합니다.
+ 서버 2.13.x를 추적하려면 `mlflow==2.13.2` 버전을 사용합니다.
+ 서버 2.16.x를 추적하려면 `mlflow==2.16.2` 버전을 사용합니다.
+ 서버 3.0.x를 추적하려면 `mlflow==3.0.0` 버전을 사용합니다.

SageMaker AI에서 사용할 수 있는 MLflow 버전을 확인하려면 [서버 버전 추적](mlflow.md#mlflow-create-tracking-server-versions) 섹션을 참조하세요.

## MLflow 추적 서버에 연결
<a name="mlflow-track-experiments-tracking-server-connect"></a>

`[mlflow.set\_tracking\_uri](https://mlflow.org/docs/2.13.2/python_api/mlflow.html#mlflow.set_tracking_uri)`를 사용하여 ARN으로 개발 환경에서 추적 서버에 연결합니다.

```
import mlflow

arn = {{"YOUR-TRACKING-SERVER-ARN"}}

mlflow.set_tracking_uri({{arn}})
```