環境を設定する

• 7 分

機械学習モデルを操作するときに環境を実装するには、GitHub などのプラットフォームを使用できます。 個別の環境で実行する必要があるタスクを自動化するには、次の手順を行う必要があります。

• GitHub で環境を設定します。
• GitHub Actions で環境を使用します。
• 承認を追加して、必要なレビュー担当者を割り当てます。

GitHub で環境を設定する

GitHub リポジトリ内で環境を作成するには、次の手順を行います。

1. リポジトリ内の [設定] タブに移動します。
2. [環境] を選択します。
3. 新しい環境を作成します。
4. 名前を入力します。
5. [環境の構成] を選択します。

特定の Azure Machine Learning ワークスペースに環境を関連付けるには、環境シークレットを作成して、その環境にのみ Azure Machine Learning ワークスペースへのアクセス権を付与します。

リポジトリにシークレットを作成して、サービス プリンシパルの資格情報を保存できます。 環境を操作する場合、代わりに環境シークレットを作成して、どの特定の GitHub 環境がどの Azure Machine Learning ワークスペースにアクセスできるかを定義する必要があります。

環境シークレットを作成するには、[設定] タブの [環境] タブに移動します。

1. 新しい環境に移動します。
2. [環境シークレット] セクションに移動します。

3. 新しいシークレットを追加します。
4. 名前として「AZURE_CREDENTIALS」と入力します。
5. 値フィールドにサービスプリンシパルの資格情報を入力します。

GitHub Actions で環境を使用し、承認を追加する

GitHub リポジトリで環境を作成したら、GitHub Actions ワークフローから環境を参照できます。 環境間で手動チェックを追加する場合はいつでも、承認を追加できます。

たとえば、GitHub Actions ワークフローで Azure Machine Learning ジョブをトリガーするたびに、タスクはワークフローで正常に実行される可能性はありますが、 Azure Machine Learning ワークスペースでのモデルのトレーニング中に、トレーニング スクリプトに問題があると、エラーが発生する可能性があります。 また、モデルのトレーニング後、モデルのメトリックを評価して、モデルをデプロイしないでモデルを再トレーニングする必要があると判断する場合もあります。

Azure Machine Learning ワークスペースでモデル トレーニングの結果を確認する機会を得るには、環境の承認を追加できます。 GitHub Actions ワークフローによって特定の環境でタスクが実行されるたびに、必要なレビュー担当者に通知が送信され、タスクを実行する前に承認が必要になります。