Git-integration och distributionspipelines för maskininlärningsexperiment och modeller (förhandsgranskning)

Maskininlärningsexperiment och modeller i Microsoft Fabric integreras med Git-integration och distributionspipelines. Dessa funktioner spårar och främjar experiment- och modellmetadata, medan experimentkörningar och modellversioner finns kvar i arbetsytslagring och inte versioneras eller marknadsförs.

För en översikt över den bredare releaseprocessen, se Vad är livscykelhantering i Microsoft Fabric?

Git-integrering för maskininlärningsexperiment och modeller

Maskininlärningsexperiment (ML) och modeller innehåller både metadata och data. ML-experiment innehåller runs, medan ML-modeller innehåller model versions. Ur ett utvecklingsflödesperspektiv kan anteckningsböcker referera till ett ML-experiment eller en modell.

Data lagras inte i Git; endast artefaktmetadata spåras. Som standard hanteras ML-experiment och modeller via Git-synkroniserings- och uppdateringsprocessen, men experiment runs och model versions spåras eller versionshanteras inte i Git. Deras data finns kvar i arbetsytelagring. Stödda beroendereferenser kan binda mellan arbetsytor när Fabric representerar dem med portabla logiska ID:n. Bindningsbeteendet beror på objekttypen och referensformatet.

Livscykelflöde

1. Git-integration serialiserar metadata från experiment och modeller så att den kan synkroniseras och versionseras.
2. Git-synkronisering tillämpar metadataändringar mellan det anslutna arkivet och arbetsytan.
3. Distributionspipelines främjar stödda artefaktmetadata mellan utvecklings-, test- och produktionsarbetsytor.
4. Experimentkörningar och modellversioner finns kvar i arbetsytets lagring och ingår inte i någon av synkroniseringsvägarna.

Gitrepresentation

En Git-ansluten arbetsyta för maskininlärningsexperiment och modeller serialiserar och spårar följande information:

• Visningsnamn.
• Version. Fältet version identifierar versionshanteringssystemets filformatversion. Det är inte versionen av en ML-modell.
• Logiskt ID. Värdet logicalId är en automatiskt genererad arbetsyteövergripande identifierare som Fabric använder för att associera ett objekt med dess representation i versionshanteringen. För mer information, se Logical ID in Fabric.
• Beroenden. Stödda beroendereferenser kan binda över Git-anslutna arbetsytor. Bindningen beror på objekttyp och referensformat. Referenser som behåller arbetsytsspecifika ID:n kan kräva manuella uppdateringar eller parameterisering.

Git-integreringsfunktioner

Följande funktioner är tillgängliga:

• Serialisera ML-experiment och modellartefaktmetadata till en Git-spårad JSON-representation.
• Stöd för flera arbetsytor som är länkade till samma Git-gren, vilket gör att spårade metadata kan synkroniseras mellan arbetsytor. Varje arbetsområde kan bara ansluta till en gren åt gången.
• Tillåt att uppdateringar tillämpas direkt eller kontrolleras via pull-begäranden för att hantera ändringar mellan uppströms- och nedströmsarbetsytor/grenar.
• Spåra namnbyten för experiment och modeller i Git för att bevara identiteter mellan arbetsytor.
• Inga åtgärder vidtas på experiment runs eller model versions. Deras data bevaras i arbetsytelagringen och lagras inte eller skrivs över av Git.

Maskininlärningsexperiment och modeller i distributionspipelines

Microsoft Fabric-distributionspipelines stödjer maskininlärningsexperiment och modeller. De hjälper dig att segmentera utvecklings-, test- och produktionsmiljöer. För vägledning, se bästa praxis för livscykelhantering.

Integreringsfunktioner för ML-experiment och -modeller för distributionspipelines:

• Stöd för att distribuera ML-experiment och modeller i arbetsytor för utveckling, testning och produktion.
• Distributioner synkroniserar endast stödd artefaktmetadata. experiment runs och model versions är inte synkroniserade mellan arbetsytor.
• Namnbyten på experiment och modeller sprids över arbetsytor när de ingår i en distributionspipeline.
• Stödda beroendereferenser mellan anteckningsböcker, experiment och modeller kan binda över arbetsytor under pipeline-distributioner. Bindningen beror på objekttyp och referensformat.

Relaterat innehåll

• Vad är livscykelhantering i Microsoft Fabric?
• Självstudie: Livscykelhantering i Fabric
• Introduktion till Git-integrering
• Introduktion till distributionspipelines