Zdieľať cez

Experimenty a modely strojového učenia Kanály integrácie a nasadenia Gitu (Preview)

Experimenty a modelystrojového učenia sa integrujú s možnosťami správy životného cyklu v Microsoft Fabric a poskytujú štandardizovanú spoluprácu medzi všetkými členmi vývojového tímu počas celej životnosti produktu. Správa životného cyklu uľahčuje efektívny proces tvorby verzií a vydávania produktov nepretržitým poskytovaním funkcií a opráv chýb do viacerých prostredí. Ďalšie informácie nájdete v téme Čo je správa životného cyklu v službe Microsoft Fabric?.

Dôležité

Táto funkcia je ukážky.

Experimenty a modely strojového učenia Integrácia Gitu

Experimenty a modely strojového učenia (ML) obsahujú metadáta aj údaje. Experimenty ML obsahujú runs , zatiaľ čo ML modely obsahujú model versions. Z hľadiska pracovného postupu vývoja môžu poznámkové bloky odkazovať na experiment strojového učenia alebo model strojového učenia.

V zásade sa údaje neukladajú v systéme Git – sledujú sa iba metaúdaje artefaktov. V predvolenom nastavení sa experimenty a modely strojového učenia spravujú prostredníctvom procesu synchronizácie alebo aktualizácie Gitu, ale experiment runsmodel versions v systéme Git sa nesledujú ani neupravujú verzie a ich údaje sa uchovávajú v úložisku pracovného priestoru. Pôvod medzi poznámkovými blokmi, experimentmi a modelmi sa dedí z pracovného priestoru pripojeného k Gitu.

Reprezentácia Gitu

Nasledujúce informácie sa serializujú a sledujú v pripojenom pracovnom priestore Git pre experimenty a modely strojového učenia:

  • Zobrazované meno.
  • Verzia.
  • Logický sprievodca. Sledovaný logický identifikátor GUID je automaticky generovaný identifikátor medzi pracovnými priestormi, ktorý predstavuje položku a jej reprezentáciu správy zdrojového kódu.
  • Závislosti. Pôvod medzi poznámkovými blokmi, experimentmi a modelmi sa zachováva v pracovných priestoroch pripojených k Gitu, čím sa zachováva jasná vysledovateľnosť medzi súvisiacimi artefaktmi.

Dôležité

V aktuálnom prostredí sa v Gite sledujú iba metadáta experimentu strojového učenia a artefaktu modelu. Spustenia experimentov a verzie modelu (výstupy spustenia a údaje modelu) nie sú uložené ani verziované v systéme Git. Ich údaje zostávajú v úložisku pracovného priestoru.

Možnosti integrácie Gitu

K dispozícii sú nasledujúce možnosti:

  • Serializujte experiment strojového učenia a metaúdaje artefaktov modelujte do reprezentácie JSON sledovanej službou Git.
  • Podpora viacerých pracovných priestorov prepojených s rovnakou vetvou Git, čo umožňuje synchronizáciu sledovaných metaúdajov medzi pracovnými priestormi.
  • Povoľte priame použitie aktualizácií alebo ich riadenie prostredníctvom žiadostí o prijatie zmien na správu zmien medzi nadradenými a nadväzujúcimi pracovnými priestormi/vetvami.
  • Sledujte premenovania experimentov a modelov v Gite, aby ste zachovali identitu v pracovných priestoroch.
  • Ich experiment runsmodel versionsúdaje sa uchovávajú v úložisku pracovného priestoru a Git ich neukladá ani neprepisuje.

Experimenty a modely strojového učenia v kanáloch nasadenia

Experimenty a modely strojového učenia (ML) sú podporované v kanáloch nasadenia správy životného cyklu služby Microsoft Fabric. Umožňuje osvedčené postupy segmentácie prostredia.

Dôležité

V kanáloch nasadenia sa v aktuálnom prostredí sledujú iba experimenty strojového učenia a artefakty modelu. Spustenia experimentov a verzie modelu nie sú sledované ani verziované kanálmi. Ich údaje zostávajú v úložisku pracovného priestoru.

Možnosti integrácie kanálov nasadenia experimentov a modelov strojového učenia:

  • Podpora nasadzovania experimentov a modelov strojového učenia vo vývojových, testovacích a produkčných pracovných priestoroch.
  • Nasadenia synchronizujú iba metaúdaje artefaktov; experiment runs a model versions (ich údaje) sú zachované a nie sú prepísané.
  • Premenovania experimentov a modelov sa rozširujú v pracovných priestoroch, keď sú zahrnuté v kanáli nasadenia.
  • Pôvod medzi poznámkovými blokmi, experimentmi a modelmi sa zachováva v pracovných priestoroch počas nasadenia kanála, čím sa zachováva sledovateľnosť medzi súvisiacimi artefaktmi.

Súvisiaci obsah

  • Last updated on