MLflow и Машинное обучение Azure

ОБЛАСТЬ ПРИМЕНЕНИЯ:расширение Машинного обучения для Azure CLI версии 2 (текущая версия)пакет SDK для Python azure-ai-ml версии 2 (предварительная версия)

Машинное обучение Azure использует отслеживание MLflow, только чтобы предоставить вам возможность проводить эксперименты при ведении журнала метрик и хранении артефактов, независимо от того, создали ли вы эксперимент с помощью пакета SDK Python Машинного обучения Azure, интерфейса командной строки Машинного обучения Azure или Студии машинного обучения Azure.

Примечание

В отличие от пакета SDK Машинного обучения Azure версии 1, в пакете SDK версии 2 (предварительная версия) нет функций ведения журнала, поэтому для ведения журнала и отслеживания рекомендуется использовать MLflow.

MLflow — это библиотека с открытым кодом для управления жизненным циклом экспериментов машинного обучения. Универсальный код ресурса (URI) отслеживания MLflow и API ведения журнала вместе называются отслеживание MLflow. Это компонент MLflow, который осуществляет мониторинг и ведение журнала метрик запуска обучения и артефактов моделей независимо от окружения эксперимента. Это может быть локальный компьютер, удаленный целевой объект вычислений, виртуальная машина или вычислительный экземпляр Машинного обучения Azure.

Отслеживание экспериментов

С помощью отслеживания MLflow можно подключить Машинное обучение Azure в качестве серверной части экспериментов MLflow. Сделав это, вы сможете:

Развертывание экспериментов MLflow

Вы можете развернуть модели MLflow в подключенной конечной точке, чтобы использовать и применять возможности управления моделями Машинного обучения Azure и предложения по развертыванию без кода.

Обучение с помощью проектов MLFlow (предварительная версия)

Важно!

Эта функция сейчас доступна в виде общедоступной предварительной версии. Эта предварительная версия предоставляется без соглашения об уровне обслуживания. Ее не следует использовать для производственных рабочих нагрузок. Некоторые функции могут не поддерживаться или их возможности могут быть ограничены. Дополнительные сведения см. в статье Дополнительные условия использования предварительных выпусков Microsoft Azure.

Можно использовать универсальный код ресурса (URI) отслеживания MLflow и API ведения журнала (также вместе называемые отслеживанием MLflow) для отправки заданий обучения с помощью проектов MLflow и поддержки серверных функций Машинного обучения Azure (предварительная версия). Задания можно отправлять локально с помощью отслеживания Машинного обучения Azure или же вы можете переносить запуски в облако, например с помощью Вычислительной среды Машинного обучения Azure.

Узнайте больше в статье Обучение моделей Машинного обучения с помощью проектов MLflow и Машинного обучения Azure (предварительная версия).

Дальнейшие действия