提问者:小点点

如何使用自定义环境和管道控制Azure ML工作区的版本?


我试图弄清楚Azure ML在生产中的可行性;我想完成以下任务:

  1. 使用pip文件为我的管道指定自定义环境,并在管道中使用它们
  2. 在Azure运营模式回购中声明指定我的工作区、环境和管道
  3. 使用Azure运营模式管道可复制地将我的Azure ML工作区部署到我的订阅

我找到了一个关于如何使用笔记本指定环境的解释,但这似乎不适合我的第二个和第三个要求。


共1个答案

匿名用户

目前,我们有一个python脚本,pipeline。py使用azuremlsdk创建、注册和运行我们的所有ML工件(环境、管道、模型)。在从repo中的需求文件构建正确的pip env之后,我们在Azure DevOps CI管道中使用Python脚本任务调用该脚本。

然而,值得注意的是,YAML支持ML工件定义。虽然我不知道现有的支持是否会覆盖你所有的基地(尽管这是计划)。

以下是MSFT的一些优秀文档,让您开始学习:

  • ML管道部署端到端示例的GitHub模板repo
  • 如何定义/创建环境(使用Pip或Conda)并在远程计算上下文中使用它
  • Azure管道CI/CD for ML服务指南
  • 在YAML中定义ML管道

相关问题