Megosztás a következőn keresztül:

Gépi tanulási kísérletek és modellek Git-integrációs és üzembehelyezési folyamatok (előzetes verzió)

A gépi tanulási kísérletek és modellek integrálhatók a Microsoft Fabric életciklus-felügyeleti képességeivel, és egységes együttműködést biztosítanak a fejlesztői csapat minden tagja között a termék teljes élettartama során. Az életciklus-kezelés a termékek hatékony verziószámozási és kiadási folyamatát segíti elő azáltal, hogy folyamatosan biztosítja a funkciókat és hibajavításokat több környezetbe. További információ: Mi az életciklus-kezelés a Microsoft Fabricben?

Fontos

Ez a funkció előzetes verzióban érhető el.

Gépi tanulási kísérletek és modellek Git-integráció

A gépi tanulási kísérletek és modellek metaadatokat és adatokat is tartalmaznak. Az ML-kísérletek a gépi tanulási modelleket tartalmazzák runsmodel versions. A fejlesztési munkafolyamat szempontjából a jegyzetfüzetek hivatkozhatnak egy ML-kísérletre vagy egy ML-modellre.

Az adatok alapvetően nem a Gitben tárolódnak, csak az összetevők metaadatait követi nyomon. Alapértelmezés szerint az ml-kísérletek és modellek kezelése a Git szinkronizálási/frissítési folyamatán keresztül történik, de experiment runsmodel versions a Git nem követi vagy verziószámozza őket, és az adataik megmaradnak a munkaterület tárolójában. A jegyzetfüzetek, kísérletek és modellek közötti kapcsolat a Githez csatlakoztatott munkaterülettől öröklődik.

Git-ábrázolás

A következő információk szerializálva és nyomon követve vannak egy Githez csatlakoztatott munkaterületen a gépi tanulási kísérlethez és modellekhez:

  • Megjelenítendő név.
  • Verzió.
  • Logikai guid. A nyomon követett logikai guid egy automatikusan generált munkaterületközi azonosító, amely egy elemet és annak forrásvezérlő-megjelenítését jelöli.
  • Függőségek. A jegyzetfüzetek, kísérletek és modellek közötti vonalvezetés megmarad a Githez csatlakoztatott munkaterületeken, így a kapcsolódó összetevők között egyértelmű nyomon követhetőség érhető el.

Fontos

Csak a gépi tanulási kísérlet és a modellösszetevő metaadatait követi nyomon a Git az aktuális felületen. A kísérletfuttatások és a modellverziók (a futtatási kimenetek és a modelladatok) nincsenek tárolva vagy verziószámolva a Gitben; az adataik a munkaterület tárolójában maradnak.

Git-integrációs képességek

A következő képességek érhetők el:

  • Szerializálja az ML-kísérleteket és modellezi az összetevők metaadatait egy Git-nyomon követett JSON-ábrázolásba.
  • Több, ugyanahhoz a Git-ághoz társított munkaterület támogatása, amely lehetővé teszi a követett metaadatok szinkronizálását a munkaterületek között.
  • Lehetővé teszi a frissítések közvetlen alkalmazását vagy vezérlését lekéréses kérelmeken keresztül a felsőbb rétegbeli és az alsóbb rétegbeli munkaterületek/ágak közötti változások kezeléséhez.
  • Kövesse nyomon a kísérletek és modellek átnevezését a Gitben, hogy megőrizze az identitást a munkaterületeken.
  • A rendszer nem hajt végre műveleteket, experiment runs és model versionsaz adatok a munkaterület tárolójában maradnak, és a Git nem tárolja vagy írja felül őket.

Gépi tanulási kísérletek és modellek az üzembehelyezési folyamatokban

A Gépi tanulási (ML) kísérletek és modellek támogatottak a Microsoft Fabric életciklus-felügyeleti üzembehelyezési folyamataiban. Lehetővé teszi a környezet szegmentálásának ajánlott eljárásait.

Fontos

A rendszer csak a gépi tanulási kísérleteket és a modellösszetevőket követi nyomon az üzembe helyezési folyamatokban az aktuális felületen. A kísérletfuttatások és a modellverziók nem követik nyomon vagy nem futtatják a folyamatokat; az adataik a munkaterület tárolójában maradnak.

Az ML-kísérletek és modellek üzembehelyezési folyamatainak integrációs képességei:

  • Az ML-kísérletek és modellek fejlesztési, tesztelési és éles munkaterületeken történő üzembe helyezésének támogatása.
  • Az üzemelő példányok csak az összetevők metaadatait szinkronizálják; experiment runs és model versions (adataik) megmaradnak, és nem lesznek felülírva.
  • A kísérletek és modellek átnevezése a munkaterületeken propagálásra kerül, ha egy üzembehelyezési folyamat része.
  • A jegyzetfüzetek, kísérletek és modellek közötti vonalvezetés a munkaterületeken a folyamattelepítések során megmarad, megőrizve a kapcsolódó összetevők közötti nyomon követhetőséget.

Kapcsolódó tartalom

  • Last updated on