如何使用自定义环境和管道对 Azure ML 工作区进行版本控制？

Question

我正在尝试了解 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. 以声明方式 在 Azure DevOps 存储库
中指定我的工作区、环境和管道
3. 可重复地使用Azure DevOps 管道
将我的 Azure ML 工作区部署到我的订阅

我找到了 但这似乎不适合我的第二个和第三个要求。

Answer 1

目前，我们有一个 python 脚本，pipeline.py 使用 azureml-sdk 创建、注册和 运行 我们所有的 ML 工件（环境、管道、楷模）。我们在我们的 Azure DevOps CI 管道中使用 Python 脚本任务在我们的 repo 中从需求文件构建正确的 pip env 后调用此脚本。

但是，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涵盖您的所有基地（尽管这是计划）。

这里有一些来自 MSFT 的很棒的文档可以帮助您入门：

• GitHub Template repo of an end-to-end example of ML pipeline + deployment
• How to define/create an environment (using Pip or Conda) and use it in a remote compute context
• Azure Pipelines guidance on CI/CD for ML Service
• Defining ML pipelines in YAML