Amazon SageMaker AI 的托管 MLflow:先确认两次实验用的是同一验证集
用虚构包裹分类验证实验交接:不同验证快照上的高分,不能直接当成模型进步。
来源: docs.aws.amazon.com
2026年8月27日
2 min
Goze 收录的是综合平台 Amazon SageMaker。这里讨论的是它的模型开发部分 SageMaker AI:AWS 在 2024 年已推出托管 MLflow,能按运行记录参数、指标、标签和产物位置。记录齐全不代表比较有效,验证表换了一份,两次指标就未必能放在一起。

图 1. 原创验收图,不是后台截图。比较前先把两次运行对齐到同一把尺。
用包裹长宽做一次交接考题
只在本地用自造的包裹长宽与「小盒/大盒」标签,先做不联网的台面演练。让 A 和 B 都对应冻结的验证快照 V1,用相同划分、评价指标及单位,检查是否能从记录复原对照;再把 B 改成 V2,即使分数更好也必须标为不可直接比。给每次运行写明数据快照标识或哈希、划分、脚本版本、指标定义和产物位置。它们是团队记录项,不是 AWS 会为你自动固定所有输入的承诺。
先让同事仅凭记录识别哪一对能比、找回同一脚本与快照,再对照本地 MLflow 或一份版本化实验表。单人少量实验且交接已经顺畅,就保留本地;多人经常丢实验上下文,才比较托管的跟踪与维护成本。正式评估前要把跟踪服务、产物存储和计算分开核算;本例不创建云资源。
内容说明:本文基于公开资料整理,仅供工具选型参考。产品功能、价格及相关政策可能随时调整,请以官方最新信息为准。
原文出处:docs.aws.amazon.com