Aracılığıyla paylaş

Makine öğrenmesi denemeleri ve modelleri Git tümleştirme ve dağıtım işlem hatları (Önizleme)

Makine öğrenmesi denemeleri ve modelleri Microsoft Fabric'teki yaşam döngüsü yönetimi özellikleriyle tümleştirilerek ürünün ömrü boyunca tüm geliştirme ekibi üyeleri arasında standartlaştırılmış bir işbirliği sağlar. Yaşam döngüsü yönetimi, özellikleri ve hata düzeltmelerini birden çok ortamda sürekli olarak sunarak etkili bir ürün sürümü oluşturma ve yayınlama sürecini kolaylaştırır. Daha fazla bilgi edinmek için bkz. Microsoft Fabric'te yaşam döngüsü yönetimi nedir?.

Önemli

Bu özellik önizleme aşamasındadır.

Makine öğrenmesi denemeleri ve modelleri Git tümleştirmesi

Makine öğrenmesi (ML) denemeleri ve modelleri hem meta verileri hem de verileri içerir. ML denemeleri içerirken runs ML modelleri içerir model versions. Geliştirme iş akışı perspektifinden bakıldığında, Not Defterleri bir ML denemesi veya ML modeline başvurabilir.

Prensip olarak , veriler Git'te depolanmaz; yalnızca yapıt meta verileri izlenir. Varsayılan olarak, ML denemeleri ve modelleri Git eşitleme/güncelleştirme işlemi aracılığıyla yönetilir, ancak experiment runsmodel versions Git'te izlenmez veya sürümlendirilemez ve verileri çalışma alanı depolama alanında korunur. Not defterleri, denemeler ve modeller arasındaki köken Git bağlantılı çalışma alanından devralınır.

Git gösterimi

Makine öğrenmesi denemesi ve modelleri için git bağlantılı çalışma alanında aşağıdaki bilgiler serileştirilir ve izlenir:

  • Görünen Ad.
  • Sürüm.
  • Mantıksal guid. İzlenen mantıksal guid, bir öğeyi ve kaynak denetimi gösterimini temsil eden otomatik olarak oluşturulan bir çalışma alanları arası tanımlayıcıdır.
  • Bağımlılıklar. Not defterleri, denemeler ve modeller arasındaki köken Git bağlantılı çalışma alanlarında korunur ve ilgili yapıtlar arasında net izlenebilirlik sağlanır.

Önemli

Geçerli deneyimde Git'te yalnızca makine öğrenmesi denemesi ve model yapıtı meta verileri izlenir. Deneme çalıştırmaları ve model sürümleri (çalıştırma çıkışları ve model verileri) Git'te depolanmaz veya sürümlenmez; verileri çalışma alanı depolama alanında kalır.

Git tümleştirme özellikleri

Aşağıdaki özellikler kullanılabilir:

  • ML denemesi ve model yapıtı meta verilerini Git izlenen JSON gösteriminde seri hale getirme.
  • Aynı Git dalı ile bağlantılı birden çok çalışma alanını destekleyerek izlenen meta verilerin çalışma alanları arasında eşitlenmesini sağlayın.
  • Yukarı akış ve aşağı akış çalışma alanları/dalları arasındaki değişiklikleri yönetmek için güncelleştirmelerin doğrudan uygulanmasına veya çekme istekleri aracılığıyla denetlenebilmesine izin verin.
  • Çalışma alanlarında kimliği korumak için Git'teki denemelerin ve modellerin yeniden adlandırmalarını izleyin.
  • veya model versionsüzerinde experiment runs hiçbir eylem yapılmaz; verileri çalışma alanı depolama alanında korunur ve Git tarafından depolanmaz veya üzerine yazılmaz.

Dağıtım işlem hatlarında makine öğrenmesi denemeleri ve modelleri

Makine öğrenmesi (ML) denemeleri ve modelleri Microsoft Fabric yaşam döngüsü yönetimi dağıtım işlem hatlarında desteklenir. Ortam segmentasyonu en iyi yöntemlerini etkinleştirir.

Önemli

Geçerli deneyimde dağıtım işlem hatlarında yalnızca makine öğrenmesi denemesi ve model yapıtları izlenir. Deneme çalıştırmaları ve model sürümleri işlem hatları tarafından izlenmez veya sürümlenmez; verileri çalışma alanı depolama alanında kalır.

ML denemeleri ve modelleri dağıtım işlem hatları tümleştirme özellikleri:

  • Ml denemelerini ve modellerini geliştirme, test ve üretim çalışma alanlarında dağıtma desteği.
  • Dağıtımlar yalnızca yapıt meta verilerini eşitler; experiment runs ve model versions (verileri) korunur ve üzerine yazılmaz.
  • Denemelerin ve modellerin yeniden adlandırmaları, bir dağıtım işlem hattına dahil edildiğinde çalışma alanları arasında yayılır.
  • not defterleri, denemeler ve modeller arasındaki köken, işlem hattı dağıtımları sırasında çalışma alanları arasında korunur ve ilgili yapıtlar arasındaki izlenebilirliği korur.

İlgili içerik

  • Last updated on