Microsoft Fabric 中的機器學習實驗與模型可與 Git 整合及部署流程。 這些功能追蹤並推廣實驗與模型的元資料，而實驗執行與模型版本則保留在工作空間儲存中，不會進行版本化或推廣。
關於更廣泛發布流程的概述，請參閱 Microsoft Fabric 中的生命週期管理是什麼？
這很重要
這項功能目前處於預覽階段。
機器學習實驗和模型 Git 整合
機器學習 （ML） 實驗和模型包含中繼資料和資料。 機器學習實驗包含 runs，而機器學習模型包含 model versions。 從開發工作流程的角度來看， 筆記本 可能會參考機器學習實驗或模型。
資料不會儲存在 Git 裡;只有工件元資料會被追蹤。 預設情況下，透過 Git 同步與更新流程管理機器學習實驗和模型，但experiment runsmodel versions不會在 Git 中追蹤或設定版本。 他們的資料仍存放在工作區的儲存空間中。 當 Fabric 以可攜式邏輯 ID 表示支援的相依性參考時，這些參考可能會跨工作區繫結。 綁定行為取決於物品類型和參考格式。
生命週期流程
- Git 整合會序列化實驗與模型的元資料，使其能夠同步與版本管理。
- Git 同步是在連接的儲存庫與工作區之間套用元資料變更。
- 部署管線促進開發、測試與生產工作區間支援的工件元資料。
- 實驗執行和模型版本會留在工作空間儲存中，且不包含在任何同步路徑中。
Git 表示法
一個連接 Git 的工作空間用於機器學習實驗與模型，會序列化並追蹤以下資訊：
- 顯示名稱。
-
版本。 欄位
version用來識別原始碼控制系統檔案格式的版本。 它不是機器學習模型的版本。 -
邏輯識別。 這個
logicalId值是自動產生的跨工作空間識別碼，Fabric 用來將項目與其來源控制表示關聯起來。 欲了解更多資訊，請參閱 Fabric 中的邏輯識別碼。 - 相依性。 受支援的相依性參考可能會跨透過 Git 連線的工作區進行繫結。 繫結取決於項目類型和參考格式。 保留工作區特定 ID 的參考可能需要手動更新或參數化。
這很重要
目前只有機器學習實驗和模型成品檔案的中繼資料會在 Git 中受到追蹤。 實驗執行和模型版本（執行輸出和模型資料）不會儲存在 Git 中，也不會在 Git 中進行版本控制；其資料仍保留在工作區儲存體中。
Git 整合功能
下列功能可供使用：
- 將 ML 實驗與模型成品檔的中繼資料序列化為由 Git 追蹤的 JSON 格式表示。
- 支援連結到同一個 Git 分支的多個工作區，使追蹤的元資料能夠跨工作區同步。 每個工作區一次只能連接一個分支。
- 允許直接套用更新或透過提取要求控制更新，以管理上游和下游工作區/分支之間的變更。
- 在 Git 中追蹤實驗和模型的重新命名，以保留跨工作區的身分識別。
- 不會對
experiment runs或 採取model versions任何動作;其資料會保留在工作區儲存體中，且不會被 Git 儲存或覆寫。
部署管線中的機器學習實驗和模型
Microsoft Fabric 部署管線支援機器學習（ML）實驗與模型。 它們幫助你區分開發、測試和生產環境。 如需指引，請參閱 生命週期管理的最佳實務。
這很重要
部署管線目前僅部署支援的機器學習實驗與模型元資料。 實驗執行和模型版本都不是部署管線的承載資料。 中繼資料部署不會同步或覆寫其資料。
機器學習實驗與模型部署管線整合能力：
- 支援跨開發、測試和生產工作區部署 ML 實驗和模型。
- 部署僅同步支援的工件元資料。
experiment runs和model versions不會在工作區之間同步。 - 當實驗和模型包含在部署管線中時，對其進行的重新命名會同步到各個工作區。
- 在管線部署期間，筆記本、實驗和模型之間受支援的相依性參考可能會在不同工作區之間繫結。 繫結取決於項目類型和參考格式。