Makine öğrenimi deneyleri ve modelleri için Git entegrasyonu ve dağıtım boru hatları (önizleme)

Microsoft Fabric'teki makine öğrenimi deneyleri ve modelleri, Git entegrasyon ve dağıtım boru hatlarıyla entegre olur. Bu yetenekler deney ve model meta verilerini takip eder ve tanıtırken, deney çalışmaları ve model sürümleri çalışma alanı depolamasında kalır, sürüm veya tanıtım yapılmaz.

Daha geniş sürüm sürecine genel bir bakış için bakınız: 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 deneyleri runs içerirken, ML modelleri model versions içerir. Geliştirme iş akışı açısından bakıldığında, defterler bir makine öğrenimi deneyi veya modeline referans verebilir.

Veri Git'te saklanmaz; sadece artefakt meta verileri takip edilir. Varsayılan olarak, ML deneylerini ve modellerini Git senkronizasyon ve güncelleme süreciyle yönetin, ancak experiment runsmodel versions bunlar Git'te takip edilmiyor veya sürüm olarak alınmıyor. Verileri çalışma alanı depolamasında kalıyor. Desteklenen bağımlılık referansları, Fabric bunları taşınabilir mantıksal kimliklerle temsil ettiğinde çalışma alanları arasında bağlanabilir. Bağlama davranışı, öğe türü ve referans formatına bağlıdır.

Yaşam döngüsü akışı

  1. Git entegrasyonu, deney ve model meta verilerini serileştirerek senkronize edilip versiyonlanabilir.
  2. Git senkronizasyonu, bağlı depo ile çalışma alanı arasında meta veri değişiklikleri uygular.
  3. Dağıtım işlem hatları, desteklenen artefakt meta verilerini geliştirme, test ve üretim çalışma alanları arasında ilerletir.
  4. Deney çalışmaları ve model sürümleri çalışma alanı depolamasında kalır ve senkronizasyon yollarında yer almaz.

Git gösterimi

Makine öğrenimi deneyleri ve modelleri için Git-bağlantılı bir çalışma alanı, aşağıdaki bilgileri serileştirir ve takip eder:

  • Görünen Ad.
  • Sürüm. Alan, version kaynak kontrol sistem-dosya formatı sürümünü tanımlar. Bu bir makine öğrenimi modelinin versiyonu değil.
  • Mantıksal ID. Bu logicalId değer, Fabric'in bir öğeyi kaynak kontrol temsili ile ilişkilendirmek için kullandığı otomatik olarak oluşturulan çapraz çalışma alanı tanımlayıcısıdır. Daha fazla bilgi için Fabric'teki Logical ID'ye bakınız.
  • Bağımlılıklar. Desteklenen bağımlılık referansları Git bağlantılı çalışma alanları arasında bağlanabilir. Bağlama, öğe türüne ve referans formatına bağlıdır. Çalışma alanına özgü kimlikleri koruyan referanslar manuel güncellemeler veya parametreler gerektirebilir.

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 deneyi ve model artifaktı meta verilerini Git’te izlenen bir JSON gösterimine serileştirin.
  • Aynı Git dalı ile bağlantılı birden çok çalışma alanını destekleyerek izlenen meta verilerin çalışma alanları arasında eşitlenmesini sağlayın. Her çalışma alanı aynı anda yalnızca bir dala bağlanabilir.
  • 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.
  • experiment runs veya model versions üzerinde herhangi bir işlem yapılmaz; verileri çalışma alanı depolamasında korunur ve Git tarafından depolanmaz veya üzerine yazılmaz.

Dağıtım işlem hatlarında makine öğrenmesi denemeleri ve modelleri

Microsoft Fabric dağıtım boru hatları, makine öğrenimi (ML) deneylerini ve modellerini destekler. Geliştirme, test ve üretim ortamlarını segmentlere ayırmanıza yardımcı olurlar. Rehberlik için, yaşam döngüsü yönetimi için en iyi uygulamalara bakınız.

Önemli

Dağıtım boru hatları şu anda yalnızca makine öğrenimi deneyleri ve modelleri için desteklenen meta verileri dağıtmaktadır. Deney çalışmaları ve model sürümleri dağıtım boru hattı yükü değildir. Meta veri dağıtımı, verilerini senkronize etmez veya üzerine yazmaz.

ML denemeleri ve model dağıtım işlem hatları için entegrasyon yetenekleri:

  • Ml denemelerini ve modellerini geliştirme, test ve üretim çalışma alanlarında dağıtma desteği.
  • Dağıtımlar yalnızca desteklenen artefakt meta verilerini senkronize eder. experiment runs ve model versions çalışma alanları arasında senkronize değiller.
  • Denemelerin ve modellerin yeniden adlandırmaları, bir dağıtım işlem hattına dahil edildiğinde çalışma alanları arasında yayılır.
  • Not defterleri, deneyler ve modeller arasındaki desteklenen bağımlılık referansları, işlem hattı dağıtımları sırasında çalışma alanları arasında bağlanabilir. Bağlama, öğe türüne ve referans formatına bağlıdır.

İlgili içerik

  • Last updated on