As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Registre automaticamente modelos de SageMaker IA com o SageMaker Model Registry

Você pode registrar modelos do MLflow e registrá-los automaticamente no SageMaker Model Registry usando o Python SDK ou diretamente por meio da interface do usuário do MLflow.

Registre modelos usando o SDK do SageMaker Python

Use create_registered_model em seu cliente MLflow para criar automaticamente um grupo de pacotes de modelos em SageMaker IA que corresponda a um modelo MLflow existente de sua escolha.

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"})

Use mlflow.register_model() para registrar automaticamente um modelo no Registro de SageMaker modelos durante o treinamento do modelo. Ao registrar o modelo MLflow, um grupo de pacotes de modelos e uma versão de pacote de modelos correspondentes são criados no SageMaker AI.

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}")

Registrar modelos usando a interface do usuário do MLflow

Como alternativa, você pode registrar um SageMaker modelo no Registro de modelos diretamente na interface do usuário do MLflow. No menu Modelos, na interface do usuário do MLflow, selecione Criar modelo. Todos os modelos recém-criados dessa forma são adicionados ao Registro de SageMaker Modelos.

Depois de registrar um modelo durante o acompanhamento do experimento, navegue até a página de execução na interface do usuário do MLflow. Escolha o painel Artefatos e escolha Registrar modelo no canto superior direito para registrar a versão do modelo no MLflow e SageMaker no Registro de modelos.

Exibir modelos registrados no Studio

Na página inicial do SageMaker Studio, escolha Modelos no painel de navegação esquerdo para ver seus modelos registrados. Para obter mais informações sobre como começar a usar o Studio, consulte Launch Amazon SageMaker Studio.