Поделиться через

Эксперименты и модели интеграции и развертывания Git (предварительная версия)

Эксперименты и модели машинного обучения интегрируются с возможностями управления жизненным циклом в Microsoft Fabric, обеспечивая стандартизированную совместную работу всех участников группы разработки на протяжении всей жизни продукта. Управление жизненным циклом упрощает эффективный процесс управления версиями продуктов и выпуска, постоянно предоставляя функции и исправления ошибок в нескольких средах. Дополнительные сведения см. в статье "Что такое управление жизненным циклом в Microsoft Fabric?".

Это важно

Эта функция доступна в предварительной версии.

Эксперименты машинного обучения и интеграция моделей Git

Эксперименты и модели машинного обучения содержат как метаданные, так и данные. Эксперименты машинного обучения содержат runs в то время как модели машинного обучения содержатся model versions. С точки зрения рабочего процесса разработки записные книжки могут ссылаться на эксперимент машинного обучения или модель машинного обучения.

Как принцип, данные не хранятся в Git— отслеживаются только метаданные артефакта. По умолчанию эксперименты и модели машинного обучения управляются с помощью процесса синхронизации и обновления Git, но experiment runsmodel versions не отслеживаются или версии в Git, а их данные сохраняются в хранилище рабочей области. Происхождение между записными книжками, экспериментами и моделями наследуется от рабочей области, подключенной к Git.

Представление Git

Следующие сведения сериализуются и отслеживаются в подключенной рабочей области Git для эксперимента машинного обучения и моделей:

  • Отображаемое имя.
  • версии.
  • Логический guid. Отслеживаемый логический guid — это автоматически созданный идентификатор межрабочая область, представляющий элемент и его представление системы управления версиями.
  • Зависимости. Происхождение между записными книжками, экспериментами и моделями сохраняется в рабочих областях, подключенных к Git, обеспечивая четкую трассировку среди связанных артефактов.

Это важно

В текущем интерфейсе отслеживается только эксперимент машинного обучения и метаданные артефакта модели. Запуски экспериментов и версии модели (выходные данные запуска и данные модели) не хранятся или версии в Git; их данные остаются в хранилище рабочей области.

Возможности интеграции Git

Доступны следующие возможности:

  • Сериализуйте метаданные эксперимента машинного обучения и модели в представление JSON с отслеживанием Git.
  • Поддержка нескольких рабочих областей, связанных с одной ветвью Git, что позволяет отслеживать метаданные для синхронизации между рабочими областями.
  • Разрешить применять обновления напрямую или управлять с помощью запросов на вытягивание для управления изменениями между вышестоящими и подчиненными рабочими областями или ветвями.
  • Отслеживайте переименование экспериментов и моделей в Git, чтобы сохранить удостоверение в рабочих областях.
  • Никакие действия не выполняются experiment runs или model versionsих данные сохраняются в хранилище рабочей области и не хранятся или не перезаписываются Git.

Эксперименты и модели машинного обучения в конвейерах развертывания

Эксперименты и модели машинного обучения поддерживаются в конвейерах развертывания управления жизненным циклом Microsoft Fabric. Это обеспечивает рекомендации по сегментации среды.

Это важно

В конвейерах развертывания в текущем интерфейсе отслеживаются только эксперименты машинного обучения и артефакты модели. Запуски экспериментов и версии модели не отслеживаются и не поддерживаются конвейерами; их данные остаются в хранилище рабочей области.

Эксперименты машинного обучения и моделируют возможности интеграции конвейеров развертывания:

  • Поддержка развертывания экспериментов и моделей машинного обучения в рабочих областях разработки, тестирования и рабочей среды.
  • Развертывания синхронизируют только метаданные артефактов; experiment runs и model versions (их данные) сохраняются и не перезаписываются.
  • Переименование экспериментов и моделей распространяется по рабочим областям при включении в конвейер развертывания.
  • Происхождение между записными книжками, экспериментами и моделями поддерживается в рабочих областях во время развертывания конвейера, сохраняя трассировку между связанными артефактами.

Связанный контент

  • Last updated on