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.

# Integre o MLflow ao seu ambiente
<a name="mlflow-track-experiments"></a>

A página a seguir descreve como começar a usar o MLflow SDK e o plug-in AWS MLflow em seu ambiente de desenvolvimento. Isso pode incluir IDEs locais ou um ambiente de caderno Jupyter no Studio ou no Studio Classic.

A Amazon SageMaker AI usa um plug-in MLflow para personalizar o comportamento do cliente MLflow Python e integrar ferramentas. AWS O plug-in AWS MLflow autentica as chamadas de API feitas com o MLflow usando o [AWS Signature](https://docs.aws.amazon.com/AmazonS3/latest/API/sig-v4-authenticating-requests.html) Version 4. O plug-in AWS MLflow permite que você se conecte ao seu servidor de rastreamento MLflow usando o ARN do servidor de rastreamento. Para ter mais informações sobre plug-ins, consulte [AWS Plugin for MLflow](https://pypi.org/project/sagemaker-mlflow/) e [MLflow Plugins](https://mlflow.org/docs/latest/plugins.html).

**Importante**  
As permissões do IAM de usuário em seu ambiente de desenvolvimento devem ter acesso a todas as ações relevantes da API do MLflow para executar corretamente os exemplos fornecidos. Para obter mais informações, consulte [Configurar permissões do IAM para o MLflow](mlflow-create-tracking-server-iam.md).

Para obter mais informações sobre como usar o MLflow SDK, consulte [API do Python](https://mlflow.org/docs/2.13.2/python_api/index.html), na documentação do MLflow.

## Instale o MLflow e o AWS Plug-in MLflow
<a name="mlflow-track-experiments-install-plugin"></a>

Em seu ambiente de desenvolvimento, instale o MLflow e o plug-in AWS MLflow.

```
pip install sagemaker-mlflow
```

Para garantir a compatibilidade entre o cliente MLflow e o servidor de rastreamento, use a versão correspondente do MLflow com base na versão do seu servidor de rastreamento:
+ Para o servidor de rastreamento 2.13.x, use `mlflow==2.13.2`.
+ Para o servidor de rastreamento 2.16.x, use `mlflow==2.16.2`.
+ Para o servidor de rastreamento 3.0.x, use `mlflow==3.0.0`.

Para ver quais versões do MLflow estão disponíveis para uso com SageMaker IA, consulte[Monitoramento de versões do servidor](mlflow.md#mlflow-create-tracking-server-versions).

## Conectar-se ao servidor de rastreamento do MLflow
<a name="mlflow-track-experiments-tracking-server-connect"></a>

Use `[mlflow.set\_tracking\_uri](https://mlflow.org/docs/2.13.2/python_api/mlflow.html#mlflow.set_tracking_uri)` para conectar-se a um servidor de rastreamento a partir do seu ambiente de desenvolvimento usando o ARN:

```
import mlflow

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

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