กระบวนการผสานรวมและปรับใช้ใน Git สําหรับการทดลองและโมเดลการเรียนรู้ของเครื่อง (ตัวอย่าง)

การทดลองและโมเดลการเรียนรู้ของเครื่องใน Microsoft Fabric ผสานรวมกับกระบวนการบูรณาการและการปรับใช้ Git ความสามารถเหล่านี้จะติดตามและส่งเสริมเมตาดาต้าของการทดลองและโมเดล ในขณะที่การทดลองและเวอร์ชันโมเดลจะอยู่ในที่เก็บข้อมูล workspace และไม่ได้รับเวอร์ชันหรือโปรโมท

สําหรับภาพรวมของกระบวนการปล่อยเวอร์ชันที่กว้างขึ้น โปรดดูที่ การจัดการวงจรชีวิตใน Microsoft Fabric คืออะไร?

การทดลองและโมเดลการเรียนรู้ของเครื่อง การรวม Git

การทดลองและแบบจําลองแมชชีนเลิร์นนิง (ML) มีทั้งข้อมูลเมตาและข้อมูล การทดลอง ML มี runs, ในขณะที่โมเดล ML มี model versions. จากมุมมองของเวิร์กโฟลว์การพัฒนา สมุดบันทึก อาจอ้างอิงถึงการทดลองหรือโมเดล ML

ข้อมูลไม่ได้ถูกเก็บไว้ใน Git;มีเพียงเมตาดาต้าของอาร์ติแฟกต์เท่านั้นที่ถูกติดตาม โดยค่าเริ่มต้น จะจัดการการทดลองและโมเดล ML ผ่านกระบวนการซิงค์และอัปเดต Git แต่experiment runsmodel versionsไม่ได้ถูกติดตามหรือมีเวอร์ชันใน Git ข้อมูลของพวกเขายังคงอยู่ในพื้นที่จัดเก็บ การอ้างอิงการพึ่งพาที่รองรับอาจผูกกับพื้นที่ทํางานต่าง ๆ เมื่อ Fabric แสดงด้วย Logical ID แบบพกพา พฤติกรรมการผูกขึ้นอยู่กับประเภทของรายการและรูปแบบการอ้างอิง

การไหลของวงจรชีวิต

1. การผสานรวม Git จะทําการลําดับข้อมูลเมตาของการทดลองและโมเดลเพื่อให้สามารถซิงโครไนซ์และปรับเวอร์ชันได้
2. การซิงโครไนซ์ Git จะเปลี่ยนแปลงเมตาดาต้าระหว่างที่เก็บข้อมูลที่เชื่อมต่อและพื้นที่ทํางาน
3. Deployment pipeline ส่งเสริมข้อมูลเมตาของอาร์ติแฟกต์ที่รองรับระหว่างพื้นที่ทํางานสําหรับการพัฒนา ทดสอบ และการผลิต
4. การรันการทดลองและเวอร์ชันโมเดลจะยังคงอยู่ในพื้นที่จัดเก็บพื้นที่ทํางานและไม่ได้รวมอยู่ในเส้นทางการซิงโครไนซ์ทั้งสองเส้นทาง

การเป็นตัวแทน Git

พื้นที่ทํางานที่เชื่อมต่อ Git สําหรับการทดลองและโมเดลการเรียนรู้ของเครื่องจะทําการลําดับและติดตามข้อมูลดังต่อไปนี้:

• ชื่อที่แสดง
• เวอร์ชัน. ฟิลด์นี้ version ระบุเวอร์ชันของรูปแบบไฟล์ระบบที่ควบคุมแหล่งที่มา มันไม่ใช่เวอร์ชันของโมเดล ML
• การระบุเหตุผล ค่านี้เป็นlogicalIdตัวระบุข้ามพื้นที่ทํางานที่สร้างขึ้นโดยอัตโนมัติซึ่ง Fabric ใช้เชื่อมโยงรายการกับตัวแทนควบคุมต้นทาง สําหรับข้อมูลเพิ่มเติม ดูที่ Logical ID ใน Fabric
• การพึ่งพา การอ้างอิงการพึ่งพาที่รองรับอาจผูกกับพื้นที่ทํางานที่เชื่อมต่อ Git ได้ การผูกขึ้นอยู่กับประเภทรายการและรูปแบบการอ้างอิง การอ้างอิงที่ยังคงใช้รหัสเฉพาะพื้นที่ทํางานอาจต้องการการอัปเดตด้วยตนเองหรือการกําหนดพารามิเตอร์

ความสามารถในการรวม Git

ความสามารถต่อไปนี้พร้อมใช้งาน:

• อนุกรมการทดสอบ ML และข้อมูลเมตาของสิ่งประดิษฐ์แบบจําลองเป็นการแสดง JSON ที่ติดตามโดย Git
• รองรับพื้นที่ทํางานหลายรายการที่เชื่อมโยงกับสาขา Git เดียวกัน ทําให้ข้อมูลเมตาที่ติดตามสามารถซิงค์ระหว่างพื้นที่ทํางานได้ แต่ละพื้นที่ทํางานสามารถเชื่อมต่อกับสาขาได้เพียงสาขาเดียวในแต่ละครั้ง
• อนุญาตให้ใช้การอัปเดตโดยตรงหรือควบคุมผ่านคําขอดึงข้อมูลเพื่อจัดการการเปลี่ยนแปลงระหว่างพื้นที่ทํางาน/สาขาต้นน้ําและปลายน้ํา
• ติดตามการเปลี่ยนชื่อของการทดสอบและแบบจําลองใน Git เพื่อรักษาข้อมูลประจําตัวในพื้นที่ทํางาน
• ไม่มีการดําเนินการใดๆ กับ experiment runs หรือ model versions; ข้อมูลของพวกเขาจะถูกเก็บรักษาไว้ในที่เก็บข้อมูลพื้นที่ทํางาน และไม่ได้จัดเก็บหรือเขียนทับโดย Git

การทดลองและแบบจําลองการเรียนรู้ของเครื่องในไปป์ไลน์การปรับใช้

กระบวนการติดตั้ง Microsoft Fabric รองรับการทดลองและโมเดลการเรียนรู้ของเครื่อง (ML) พวกเขาช่วยให้คุณแบ่งกลุ่มสภาพแวดล้อมสําหรับการพัฒนา ทดสอบ และการผลิต สําหรับคําแนะนํา โปรดดูแนวทางปฏิบัติที่ดีที่สุดสําหรับการจัดการวงจรชีวิต

ความสามารถในการรวมไปป์ไลน์การปรับใช้การทดลองและโมเดล ML:

• รองรับการปรับใช้การทดลองและโมเดล ML ในพื้นที่ทํางานการพัฒนา การทดสอบ และการผลิต
• การปรับใช้จะซิงโครไนซ์เฉพาะเมตาดาต้าอาร์ติแฟกต์ที่รองรับเท่านั้น experiment runs และ model versions ไม่ได้ซิงโครไนซ์ระหว่างพื้นที่ทํางาน
• การเปลี่ยนชื่อของการทดสอบและแบบจําลองจะถูกเผยแพร่ทั่วพื้นที่ทํางานเมื่อรวมอยู่ในไปป์ไลน์การปรับใช้
• การอ้างอิงการพึ่งพาที่รองรับระหว่างสมุดบันทึก การทดลอง และโมเดล อาจเชื่อมโยงกันข้ามพื้นที่ทํางานระหว่างการปรับใช้ท่อส่งข้อมูล การผูกขึ้นอยู่กับประเภทรายการและรูปแบบการอ้างอิง

เนื้อหาที่เกี่ยวข้อง

• การจัดการวงจรชีวิตใน Microsoft Fabric คืออะไร
• บทช่วยสอน: การจัดการวงจรชีวิตใน Fabric
• ข้อมูลเบื้องต้นเกี่ยวกับการรวม Git
• ข้อมูลเบื้องต้นเกี่ยวกับไปป์ไลน์การปรับใช้