Compartir a través de

Entrenamiento del modelo de Machine Learning en el patrón perimetral

Genere modelos de aprendizaje automático (ML) portátiles a partir de datos que solo existen en el entorno local.

Contexto y problema

Muchas organizaciones desean desbloquear información de sus datos locales o heredados mediante herramientas que sus científicos de datos entienden. Azure Machine Learning proporciona herramientas nativas de la nube para entrenar, ajustar e implementar modelos de aprendizaje automático y aprendizaje profundo.

Sin embargo, algunos datos son demasiado grandes enviar a la nube o no se pueden enviar a la nube por motivos normativos. Con este patrón, los científicos de datos pueden usar Azure Machine Learning para entrenar modelos mediante datos y procesos locales.

Solución

El entrenamiento en el patrón perimetral usa una máquina virtual (VM) que se ejecuta en Azure Stack Hub. La máquina virtual se registra como destino de proceso en Azure Machine Learning, lo que permite acceder a los datos solo disponibles en el entorno local. En este caso, los datos se almacenan en el almacenamiento de blobs de Azure Stack Hub.

Una vez que el modelo está entrenado, se registra con Azure Machine Learning, se containeriza y se añade a una Azure Container Registry para su despliegue. Para esta iteración del patrón, la máquina virtual de entrenamiento de Azure Stack Hub debe ser accesible a través de la red pública de Internet.

Entrenamiento del modelo de Machine Learning en la arquitectura perimetral

Este es el funcionamiento del patrón:

  1. La máquina virtual de Azure Stack Hub se implementa y registra como destino de proceso con Azure Machine Learning.
  2. Se crea un experimento en Azure Machine Learning que usa la máquina virtual de Azure Stack Hub como destino de proceso.
  3. Una vez entrenado el modelo, se registra y se contenedorizza.
  4. El modelo ahora se puede implementar en ubicaciones locales o en la nube.

Componentes

Esta solución usa los siguientes componentes:

Nivel Componente Descripción
Azur Azure Machine Learning Azure Machine Learning orquesta el entrenamiento del modelo de aprendizaje automático.
Azure Container Registry (Registro de Contenedores de Azure) Azure Machine Learning empaqueta el modelo en un contenedor y lo almacena en una instancia de Azure Container Registry para su implementación.
Azure Stack Hub Servicio de Aplicaciones Azure Stack Hub con App Service proporciona la base para los componentes en el perímetro.
Calcular Una máquina virtual de Azure Stack Hub que ejecuta Ubuntu con Docker se usa para entrenar el modelo de ML.
Almacenamiento Los datos privados se pueden hospedar en Azure Stack Hub Blob Storage.

Problemas y consideraciones

Tenga en cuenta los siguientes puntos al decidir cómo implementar esta solución:

Escalabilidad

Para permitir que esta solución se escale, debe crear una máquina virtual de tamaño adecuado en Azure Stack Hub para el entrenamiento.

Disponibilidad

Asegúrese de que los scripts de entrenamiento y la máquina virtual de Azure Stack Hub tengan acceso a los datos locales que se usan para el entrenamiento.

Manejabilidad

Asegúrese de que los modelos y experimentos estén registrados, con versiones y etiquetados adecuadamente para evitar confusiones durante la implementación del modelo.

Seguridad

Este patrón permite que Azure Machine Learning acceda a datos confidenciales posibles en el entorno local. Asegúrese de que la cuenta usada para SSH en una máquina virtual de Azure Stack Hub tiene una contraseña segura y los scripts de entrenamiento no conservan ni cargan datos en la nube.

Pasos siguientes

Para obtener más información sobre los temas introducidos en este artículo:

Cuando esté listo para probar la solución de ejemplo, continúe con la guía de implementación Entrenamiento del modelo de aprendizaje automático en el perímetro. La guía de implementación proporciona instrucciones paso a paso para implementar y probar sus componentes.