Контроль версий azure ноутбуков с машинным обучением - PullRequest
1 голос
/ 27 февраля 2020

Я пытаюсь работать с возможностями новой рабочей области Azure ML, и я не могу найти какой-либо вариант для отслеживания моих ноутбуков на git.

Это возможно так же, как вы можете делать с Azure ноутбуками? Если нет возможности ... как это работать с этими ноутбуками? Только внутри этого рабочего пространства?

Спасибо!

Ответы [ 2 ]

1 голос
/ 27 февраля 2020

AFAIK, Git в настоящее время не поддерживается Azure ноутбуками с машинным обучением. Если вы ищете более полнофункциональную среду разработки, я предлагаю настроить ее локально. Впереди еще много работы, но она даст вам возможность контроля версий. Ознакомьтесь с этим руководством по настройке среды разработки. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-configure-environment

| Environment                                                   | Pros                                                                                                                                                                                                                                    | Cons                                                                                                                                                                                 |
|---------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| Cloud-based Azure Machine Learning compute instance (preview) | Easiest way to get started. The entire SDK is already installed in your workspace VM, and notebook tutorials are pre-cloned and ready to run.                                                                                           | Lack of control over your development environment and dependencies. Additional cost incurred for Linux VM (VM can be stopped when not in use to avoid charges). See pricing details. |
| Local environment                                             | Full control of your development environment and dependencies. Run with any build tool, environment, or IDE of your choice.                                                                                                             | Takes longer to get started. Necessary SDK packages must be installed, and an environment must also be installed if you don't already have one.                                      |
| Azure Databricks                                              | Ideal for running large-scale intensive machine learning workflows on the scalable Apache Spark platform.                                                                                                                               | Overkill for experimental machine learning, or smaller-scale experiments and workflows. Additional cost incurred for Azure Databricks. See pricing details.                          |
| The Data Science Virtual Machine (DSVM)                       | Similar to the cloud-based compute instance (Python and the SDK are pre-installed), but with additional popular data science and machine learning tools pre-installed. Easy to scale and combine with other custom tools and workflows. | A slower getting started experience compared to the cloud-based compute instance.                                                                                                    |
1 голос
/ 27 февраля 2020

Существует целая концепция, называемая ML Ops . Существует также множество примеров ноутбуков, например, как использовать Azure ML вместе с Azure DevOps. Например, здесь .

...