Как мне управлять версиями Azure ML рабочих пространств с помощью пользовательских сред и конвейеров?

Question

Я пытаюсь выяснить, насколько жизнеспособна Azure МЛ в производстве; Я хотел бы выполнить sh следующее:

1. Указать пользовательские среды для моих конвейеров, используя файл pip и использовать их в конвейере
2. Декларативно укажите мое рабочее пространство, среды и конвейеры в Azure Репо DevOps
3. Воспроизводимо разверните мое Azure ML рабочая область для моей подписки с использованием Azure конвейера DevOps

Я нашел объяснение того, как задавать среды с использованием ноутбуков , но это кажется неподходящим для второе и третье требования у меня.

Answer 1

В настоящее время у нас есть сценарий python, pipeline.py, который использует azureml-sdk для создания, регистрации и запуска всех наших артефактов ML (envs, конвейеры, модели). Мы вызываем этот сценарий в нашем конвейере Azure DevOps CI с задачей Python Script после построения правильного окружения пипа из файла требований в нашем репозитории.

Однако стоит отметить, что есть поддержка YAML для Определение артефакта ML. Хотя я не знаю, будет ли существующая поддержка охватывать все ваши базы (хотя это план).

Вот несколько отличных документов от MSFT, с которых можно начать:

• GitHub Шаблон репозитория из сквозного примера ML трубопровода + развертывание
• Как определить / создать среду (используя Pip или Conda) и использовать ее в удаленном контекст вычисления
• Azure Руководство по конвейерам на CI / CD для службы ML
• Определение конвейеров ML в YAML