Amazon SageMaker AI 的託管 MLflow:先確認兩次實驗用同一份驗證快照
用虛構包裹分類做交接測試:不同驗證快照上的高分,不能直接當模型進步。
來源: docs.aws.amazon.com
August 27, 2026
1 min
Goze 收錄的是綜合平台 Amazon SageMaker;這裡只談用於開發模型的 SageMaker AI。AWS 在 2024 年推出託管 MLflow,可按執行記錄參數、指標、標籤與產物位置。有完整紀錄不一定能比,驗證資料換了就可能失去比較基礎。

圖 1. 原創驗收圖,非主控台畫面。先讓兩次實驗使用同一尺度。
用包裹長寬做交接題
先用自造長寬和小盒/大盒標籤,在本機做紙上演練。A、B 都用凍結快照 V1,相同切分、指標和單位,檢查能否依紀錄重建比較。再令 B 使用 V2,即使分數較高也標成不可直接比。記資料快照識別碼或雜湊、切分、程式版本、指標定義和產物位置。這是團隊要記的項目,不代表 AWS 會自動凍結所有輸入。
讓同事只憑紀錄找回程式與快照、指出哪組可比,再對照本機 MLflow 或版本化實驗表。單人少量且交接沒問題就留本機;多人頻繁失去脈絡,才比較託管追蹤和維護成本。正式評估時分開算追蹤服務、產物儲存和運算,本例不建立雲端資源。
內容說明:本文基於公開資料整理,僅供工具選型參考。產品功能、價格及相關政策可能隨時調整,請以官方最新資訊為準。
原文出處:docs.aws.amazon.com