Konfigurere miljøer

  • 7 minutter

Hvis du vil implementere miljøer, når du arbejder med modeller til maskinel indlæring, kan du bruge en platform som GitHub. Hvis du vil automatisere opgaver, der skal køre i separate miljøer, skal du:

  • Konfigurer miljøer i GitHub.
  • Brug miljøer i GitHub-handlinger.
  • Tilføj godkendelser for at tildele påkrævede korrekturlæsere.

Konfigurer miljøer i GitHub

Sådan opretter du et miljø i dit GitHub-lager:

  1. Gå til fanen indstillinger for i dit lager.
  2. Vælg Miljøer.
  3. Opret et nyt miljø.
  4. Angiv et navn.
  5. Vælg Konfigurer miljø.

Hvis du vil knytte et miljø til et bestemt Azure Machine Learning-arbejdsområde, kan du oprette en miljøhemmelighed kun give miljøet adgang til et Azure Machine Learning-arbejdsområde.

Seddel

Hvis du vil give GitHub adgang til et hvilket som helst Azure Machine Learning-arbejdsområde, skal du oprette en tjenesteprincipal i Azure. Derefter skal du give tjenesteprincipalen adgang til Azure Machine Learning-arbejdsområdet i Azure. Få mere at vide om, hvordan du integrere Azure Machine Learning med DevOps-værktøjer, f.eks. GitHub.

Du kan oprette en hemmelighed i lageret for at gemme legitimationsoplysningerne for tjenesteprincipalen. Når du arbejder med miljøer, skal du i stedet oprette en miljøhemmelighed for at definere, hvilket specifikt GitHub-miljø der skal have adgang til hvilket Azure Machine Learning-arbejdsområde.

Hvis du vil oprette en miljøhemmelighed, skal du gå til fanen Miljøer under fanen Indstillinger.

  1. Gå til dit nye miljø.
  2. Gå til afsnittet Miljøhemmeligheder.

Skærmbillede af konfiguration af et miljø i GitHub.

  1. Tilføj en ny hemmelighed.
  2. Angiv AZURE_CREDENTIALS som navn.
  3. Angiv legitimationsoplysningerne for tjenesteprincipalen i værdifeltet.

Brug miljøer i GitHub-handlinger, og tilføj godkendelser

Når du har oprettet miljøer i dit GitHub-lager, kan du referere til miljøet fra dine arbejdsprocesser i GitHub-handlinger. Når du vil tilføje en manuel kontrol mellem miljøer, kan du tilføje godkendelser.

Når du f.eks. udløser et Azure Machine Learning-job i din GitHub-handlingsarbejdsproces, kan opgaven udføres korrekt i arbejdsprocessen. Det kan dog være, at der under modeltræning i Azure Machine Learning-arbejdsområdet er en fejl på grund af et problem med træningsscriptet. Eller når du evaluerer modellens målepunkter efter oplæringen af modellen, kan du beslutte, at du skal oplære modellen igen i stedet for at udrulle modellen.

Hvis du vil give dig mulighed for at gennemse resultatet af modeltræningen i Azure Machine Learning-arbejdsområdet, kan du tilføje en godkendelse for et miljø. Når en Arbejdsproces for GitHub-handlinger vil køre en opgave i et bestemt miljø, får de påkrævede korrekturlæsere besked og skal godkende opgaverne, før de køres.

Tip

Få mere at vide om , hvordan du bruger miljøer i GitHub-handlinger, og hvordan du tilføjer godkendelser.