Microsoft Fabricの機械学習実験やモデルは、Git統合およびデプロイパイプラインと統合されます。 これらの機能は実験やモデルのメタデータを追跡・促進し、実験実行やモデルバージョンはワークスペースストレージに残り、バージョン管理やプロモーションはされません。
より広範なリリースプロセスの概要については、「Microsoft Fabricにおけるライフサイクル管理とは何か?」をご覧ください。
Important
この機能は プレビュー段階です。
機械学習の実験とモデルの Git 統合
機械学習 (ML) の実験とモデルには、メタデータとデータの両方が含まれています。 ML実験には runsが含まれ、MLモデルには model versionsが含まれています。 開発ワークフローの観点から見ると、 ノートブック は機械学習の実験やモデルを参照することがあります。
データはGitに保存されません。追跡されるのはアーティファクトのメタデータだけです。 デフォルトでは、ML実験やモデルはGitの同期・更新プロセスで管理しますが、 experiment runs や model versions はGit上で追跡やバージョン管理はされません。 彼らのデータはワークスペースストレージに残ります。 サポートされる依存関係参照は、Fabricがポータブル論理IDで表現する場合、ワークスペース間でバインドされることがあります。 バインディングの挙動はアイテムの種類や参照フォーマットによって異なります。
ライフサイクルフロー
- Git統合は実験やモデルのメタデータをシリアライズし、同期やバージョン管理を可能にします。
- Git同期は、接続されたリポジトリとワークスペース間でメタデータの変更を適用します。
- デプロイパイプラインは、開発、テスト、本番ワークスペース間でサポートされるアーティファクトメタデータを促進します。
- 実験実行やモデルバージョンはワークスペースストレージに残り、同期パスには含まれません。
Git の表記
機械学習の実験やモデルのためのGit接続ワークスペースは、以下の情報をシリアライズし追跡します。
- 表示名。
-
バージョン。
versionフィールドはソース制御システムファイル形式のバージョンを示します。 これは機械学習モデルのバージョンではありません。 -
論理的な識別。
logicalId値は、アイテムをソースコントロール表現に関連付けるためにFabric自動的に生成されるクロスワークスペース識別子です。 詳細については、「Fabric の論理識別」をご覧ください。 - 依存関係。 サポートされる依存関係の参照は、Git接続されたワークスペース間でバインドされることがあります。 バインドは、アイテムの種類と参照形式によって異なります。 ワークスペース固有のIDを保持する参照は、手動の更新やパラメータ化が必要になることがあります。
Important
現在のエクスペリエンスでは、機械学習の実験とモデル成果物のメタデータのみが Git で追跡されます。 実験の実行 と モデルのバージョン (実行出力とモデル データ) は Git に格納またはバージョン管理されません。データはワークスペース ストレージに残ります。
Git 統合機能
次の機能を利用できます。
- ML 実験とモデル成果物メタデータを Git 追跡 JSON 表現にシリアル化します。
- 同じ Git ブランチにリンクされている複数のワークスペースをサポートし、追跡されたメタデータをワークスペース間で同期できるようにします。 各ワークスペースは一度に1つのブランチにしか接続できません。
- アップストリームとダウンストリームのワークスペース/ブランチ間の変更を管理するために、更新プログラムを直接適用するか、プル要求を使用して制御できるようにします。
- Git で実験とモデルの名前変更を追跡し、ワークスペース間で同一性を維持します。
-
experiment runsまたはmodel versionsに対してアクションは実行されません。データはワークスペース ストレージに保持され、Git によって保存または上書きされることはありません。
デプロイ パイプラインでの機械学習の実験とモデル
Microsoft Fabricのデプロイメントパイプラインは、機械学習(ML)実験やモデルをサポートしています。 開発、テスト、本番環境のセグメント化を支援します。 指針については、 ライフサイクル管理のベストプラクティスをご覧ください。
Important
現在、デプロイメントパイプラインは機械学習実験やモデル用のサポートメタデータのみを展開しています。 実験ラン や モデルバージョン はデプロイパイプラインのペイロードではありません。 メタデータ展開はデータの同期や上書きをしません。
ML の実験とモデルのデプロイ パイプライン統合機能:
- 開発、テスト、運用の各ワークスペースに ML の実験とモデルをデプロイするためのサポート。
- デプロイメントはサポートされたアーティファクトメタデータのみを同期します。
experiment runsそしてmodel versionsワークスペース間で同期されていません。 - 実験とモデルの名前変更は、デプロイ パイプラインに含まれている場合、ワークスペース間で反映されます。
- ノートブック、実験、モデル間のサポート依存関係参照は、パイプライン展開時にワークスペース間でバインドされることがあります。 バインドは、アイテムの種類と参照形式によって異なります。