MLOps için Machine Learning kayıt defterleri
Bu makalede Azure Machine Learning kayıt defterlerinin makine öğrenmesi varlıklarını çalışma alanlarından nasıl ayrıştırdığı açıklanır ve mlOps'yi geliştirme, test ve üretim ortamlarında kullanmanıza olanak tanır. Ortamlarınız, BT sistemlerinizin karmaşıklığı temelinde farklılık gösterebilir. Aşağıdaki faktörler, ihtiyacınız olan ortamların sayısını ve türünü etkiler:
- Güvenlik ve uyumluluk ilkeleri. Üretim ortamlarının erişim denetimleri, ağ mimarisi ve verilerin açığa çıkarılması açısından geliştirme ortamlarından yalıtılması gerekebilir.
- Abonelikler. Geliştirme ortamları ve üretim ortamları genellikle faturalama, bütçeleme ve maliyet yönetimi amaçları için ayrı abonelikler kullanır.
- Bölge. Gecikme süresi ve yedeklilik gereksinimlerini desteklemek için farklı Azure bölgelerine dağıtmanız gerekebilir.
Önceki senaryolarda geliştirme, test ve üretim için farklı Azure Machine Learning çalışma alanları kullanabilirsiniz. Bu yapılandırma, model eğitimi ve dağıtımı için aşağıdaki olası zorlukları sunar:
Bir modeli geliştirme çalışma alanında eğitmeniz gerekebilir, ancak bunu üretim çalışma alanındaki bir uç noktaya (büyük olasılıkla farklı bir Azure aboneliğinde veya bölgesinde) dağıtabilirsiniz. Bu durumda, eğitim işinin izini sürebilmeniz gerekir. Örneğin, üretim dağıtımında doğruluk veya performans sorunlarıyla karşılaşırsanız modeli eğitmek için kullandığınız ölçümleri, günlükleri, kodları, ortamı ve verileri analiz etmeniz gerekir.
Geliştirme çalışma alanında test verileri veya anonimleştirilmiş verilerle bir eğitim işlem hattı geliştirmeniz, ancak üretim çalışma alanındaki üretim verileriyle modeli yeniden eğitmeniz gerekebilir. Bu durumda, eğitim iyileştirmelerinin gerçek verilerle iyi çalıştığından emin olmak için örnek ile üretim verileri arasındaki eğitim ölçümlerini karşılaştırmanız gerekebilir.
Kayıt defterleriyle çalışma alanları arası MLOps
Git deposuna çok benzeyen bir kayıt defteri, makine öğrenmesi varlıklarını çalışma alanlarından ayırır ve varlıkları merkezi bir konumda barındırarak kuruluşunuzdaki tüm çalışma alanlarının kullanımına sunar.
Modelleri geliştirme, test ve üretim ortamlarında yükseltmek için, geliştirme ortamında yinelemeli olarak bir model geliştirerek işe başlayabilirsiniz. İyi bir aday modeliniz olduğunda, bunu bir kayıt defterinde yayımlayabilirsiniz. Ardından modeli kayıt defterinden farklı çalışma alanlarındaki uç noktalara dağıtabilirsiniz.
İpucu
Çalışma alanında kayıtlı modelleriniz varsa, modelleri kayıt defterine yükseltebilirsiniz. Ayrıca bir modeli eğitim işinin çıkışından doğrudan kayıt defterine kaydedebilirsiniz.
Bir çalışma alanında işlem hattı geliştirmek ve ardından diğer çalışma alanlarında çalıştırmak için, işlem hattının yapı taşları oluşturan bileşenleri ve ortamları kaydederek işe başlayın. İşlem hattı işini gönderdiğinizde, her çalışma alanına özgü işlem ve eğitim verileri, içinde çalıştırılacak çalışma alanını belirler.
Aşağıdaki diyagramda keşif ve geliştirme çalışma alanları arasında eğitim işlem hattı yükseltme, ardından test ve üretim için eğitilmiş model yükseltme gösterilmektedir.
