หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
การทดลองและแบบจําลองการเรียนรู้ของเครื่องรวมเข้ากับความสามารถในการจัดการวงจรการใช้งานใน Microsoft Fabric โดยให้การทํางานร่วมกันที่เป็นมาตรฐานระหว่างสมาชิกในทีมพัฒนาทั้งหมดตลอดอายุการใช้งานของผลิตภัณฑ์ การจัดการวงจรชีวิตช่วยอํานวยความสะดวกในการกําหนดเวอร์ชันผลิตภัณฑ์และกระบวนการเผยแพร่ที่มีประสิทธิภาพโดยการส่งคุณสมบัติและการแก้ไขข้อบกพร่องอย่างต่อเนื่องในสภาพแวดล้อมที่หลากหลาย หากต้องการเรียนรู้เพิ่มเติม โปรดดู การจัดการวงจรการใช้งานใน Microsoft Fabric คืออะไร
สําคัญ
คุณลักษณะนี้อยู่ในตัวอย่าง
การทดลองและโมเดลการเรียนรู้ของเครื่อง การรวม Git
การทดลองและแบบจําลองแมชชีนเลิร์นนิง (ML) มีทั้งข้อมูลเมตาและข้อมูล การทดลอง ML ประกอบด้วย runs ในขณะที่โมเดล ML ประกอบด้วย model versions. จากมุมมองของเวิร์กโฟลว์การพัฒนา โน้ตบุ๊กอาจ อ้างอิงถึงการทดลอง ML หรือโมเดล ML
ตามหลักการแล้ว ข้อมูลจะไม่ถูกเก็บไว้ใน Git แต่จะมีการติดตามเฉพาะข้อมูลเมตาของสิ่งประดิษฐ์เท่านั้น ตามค่าเริ่มต้น การทดสอบและแบบจําลอง ML จะได้รับการจัดการผ่านกระบวนการซิงค์/อัปเดต Git แต่experiment runsmodel versionsไม่ได้ติดตามหรือกําหนดเวอร์ชันใน Git และข้อมูลจะถูกเก็บรักษาไว้ในที่เก็บข้อมูลพื้นที่ทํางาน สายข้อมูลระหว่างสมุดบันทึก การทดลอง และแบบจําลองสืบทอดมาจากพื้นที่ทํางานที่เชื่อมต่อ Git
การเป็นตัวแทน Git
ข้อมูลต่อไปนี้ถูกบันทึกและติดตามในพื้นที่ทํางานที่เชื่อมต่อ Git สําหรับการทดลองและแบบจําลองการเรียนรู้ของเครื่อง:
- ชื่อที่แสดง
- เวอร์ชัน.
- คําแนะนําเชิงตรรกะ GUID เชิงตรรกะที่ติดตามเป็นตัวระบุข้ามพื้นที่ทํางานที่สร้างขึ้นโดยอัตโนมัติซึ่งแสดงถึงรายการและการแสดงตัวควบคุมแหล่งที่มา
- การพึ่งพา สายเลือดระหว่างสมุดบันทึก การทดลอง และแบบจําลองจะถูกเก็บรักษาไว้ในพื้นที่ทํางานที่เชื่อมต่อ Git โดยรักษาความสามารถในการตรวจสอบย้อนกลับที่ชัดเจนระหว่างสิ่งประดิษฐ์ที่เกี่ยวข้อง
สําคัญ
เฉพาะการทดสอบแมชชีนเลิร์นนิงและข้อมูลเมตาของสิ่งประดิษฐ์แบบจําลองเท่านั้นที่จะถูกติดตามใน Git ในประสบการณ์ปัจจุบัน การเรียกใช้การทดสอบ และ เวอร์ชันของแบบจําลอง (ผลลัพธ์การเรียกใช้และข้อมูลแบบจําลอง) จะไม่ถูกจัดเก็บหรือกําหนดเวอร์ชันใน Git ข้อมูลของพวกเขายังคงอยู่ในที่เก็บข้อมูลพื้นที่ทํางาน
ความสามารถในการรวม Git
ความสามารถต่อไปนี้พร้อมใช้งาน:
- อนุกรมการทดสอบ ML และข้อมูลเมตาของสิ่งประดิษฐ์แบบจําลองเป็นการแสดง JSON ที่ติดตามโดย Git
- รองรับพื้นที่ทํางานหลายรายการที่เชื่อมโยงกับสาขา Git เดียวกัน ทําให้ข้อมูลเมตาที่ติดตามสามารถซิงค์ระหว่างพื้นที่ทํางานได้
- อนุญาตให้ใช้การอัปเดตโดยตรงหรือควบคุมผ่านคําขอดึงข้อมูลเพื่อจัดการการเปลี่ยนแปลงระหว่างพื้นที่ทํางาน/สาขาต้นน้ําและปลายน้ํา
- ติดตามการเปลี่ยนชื่อของการทดสอบและแบบจําลองใน Git เพื่อรักษาข้อมูลประจําตัวในพื้นที่ทํางาน
- ไม่มีการดําเนินการใดๆ กับ
experiment runsหรือmodel versions; ข้อมูลของพวกเขาจะถูกเก็บรักษาไว้ในที่เก็บข้อมูลพื้นที่ทํางาน และไม่ได้จัดเก็บหรือเขียนทับโดย Git
การทดลองและแบบจําลองการเรียนรู้ของเครื่องในไปป์ไลน์การปรับใช้
การทดลองและแบบจําลองการเรียนรู้ของเครื่อง (ML) ได้รับการสนับสนุนในไปป์ไลน์การปรับใช้การจัดการวงจรชีวิตของ Microsoft Fabric เปิดใช้งาน แนวทางปฏิบัติที่ดีที่สุดในการแบ่งส่วนสภาพแวดล้อม
สําคัญ
เฉพาะการทดลองแมชชีนเลิร์นนิงและสิ่งประดิษฐ์แบบจําลองเท่านั้นที่จะถูกติดตามในไปป์ไลน์การปรับใช้ในประสบการณ์ปัจจุบัน การเรียกใช้การทดสอบ และ เวอร์ชันของแบบจําลอง จะไม่ถูกติดตามหรือกําหนดเวอร์ชันโดยไปป์ไลน์ ข้อมูลของพวกเขายังคงอยู่ในที่เก็บข้อมูลพื้นที่ทํางาน
ความสามารถในการรวมไปป์ไลน์การปรับใช้การทดลองและโมเดล ML:
- รองรับการปรับใช้การทดลองและโมเดล ML ในพื้นที่ทํางานการพัฒนา การทดสอบ และการผลิต
- การปรับใช้ซิงโครไนซ์เฉพาะข้อมูลเมตาของสิ่งประดิษฐ์เท่านั้น
experiment runsและmodel versions(ข้อมูลของพวกเขา) จะถูกเก็บรักษาไว้และไม่ถูกเขียนทับ - การเปลี่ยนชื่อของการทดสอบและแบบจําลองจะถูกเผยแพร่ทั่วพื้นที่ทํางานเมื่อรวมอยู่ในไปป์ไลน์การปรับใช้
- สายเลือดระหว่างสมุดบันทึก การทดลอง และแบบจําลองจะได้รับการบํารุงรักษาในพื้นที่ทํางานระหว่างการปรับใช้ไปป์ไลน์ โดยรักษาความสามารถในการตรวจสอบย้อนกลับระหว่างสิ่งประดิษฐ์ที่เกี่ยวข้อง