详细内容或原文请订阅后点击阅览
为企业 AI 扩展 MLflow：SageMaker AI 与 MLflow 的新增功能
今天，我们宣布推出带有 MLflow 的 Amazon SageMaker AI，现在包含一项无服务器功能，可动态管理人工智能和机器学习 (AI/ML) 开发任务的基础设施配置、扩展和操作。在这篇文章中，我们将探讨这些新功能如何帮助您运行大型 MLflow 工作负载（从生成式 AI 代理到大型语言模型 (LLM) 实验），并使用 SageMaker AI 和 MLflow 提高性能、自动化和安全性。
来源:亚马逊云科技 _机器学习今天，我们宣布推出带有 MLflow 的 Amazon SageMaker AI，现在包含一项无服务器功能，可动态管理人工智能和机器学习 (AI/ML) 开发任务的基础设施配置、扩展和操作。它可以在密集实验期间扩大资源规模，在不使用时将资源规模缩小到零，从而减少运营开销。它引入了企业级功能，包括跨账户共享的无缝访问管理、自动版本升级以及与模型定制和管道等 SageMaker AI 功能的集成。无需管理员配置且无需额外成本，数据科学家可以立即开始跟踪实验、实现可观察性并评估模型性能，而无需基础设施延迟，从而可以在整个组织中轻松扩展 MLflow 工作负载，同时保持安全性和治理。
在这篇文章中，我们将探讨这些新功能如何帮助您运行大型 MLflow 工作负载（从生成式 AI 代理到大型语言模型 (LLM) 实验），并使用 SageMaker AI 和 MLflow 提高性能、自动化和安全性。
SageMaker AI 与 MLflow 中的企业级功能
SageMaker AI 中的全新 MLflow 无服务器功能可提供企业级管理，包括自动扩展、默认配置、无缝版本升级、简化的 AWS Identity and Access Management (IAM) 授权、通过 AWS Resource Access Manager (AWS RAM) 进行资源共享，以及与 Amazon SageMaker Pipelines 和模型自定义的集成。 MLflow 应用程序一词取代了之前的 MLflow 跟踪服务器术语，反映了简化的、以应用程序为中心的方法。您可以在 Amazon SageMaker Studio 中访问新的 MLflow 应用程序页面，如以下屏幕截图所示。