机器学习模型的部署.数据版本控制

Question

假设在Microsoft上托管的存储库的主分支上有一个发布管道。当在这个分支上完成拉请求时，就会自动生成一个人工制品。单击伪制品时，我们可以看到一个“出处”窗口，该窗口显示用于发布伪制品的代码的确切提交情况(见下图)。

​

现在假设人工制品不仅是使用代码构建的，而且使用的是大量数据。这就是用训练代码和训练数据创建的机器学习模型的例子。我希望能够将两者的版本链接到人工制品(机器学习模型)，理想情况下，该模型是在主服务器上的PR之后自动创建的。

目前，我手动上传伪文件，因此不仅缺少用于生成ML模型的数据的标识符，而且缺少代码的提交id。

有没有一种方法在Azure上自动生产(沉重的)艺术品？是否有一种方法可以跟踪代码的id和用于生成伪制品的数据？我想我需要一个数据版本控制系统+一个存储。这些是由Azure提供的吗？

Answer 1

有没有一种方法在Azure上自动生产(沉重的)艺术品？是否有一种方法可以跟踪代码的id和用于生成伪制品的数据？我想我需要一个数据版本控制系统+一个存储。这些是由Azure提供的吗？

如果我理解您的正确性，您可以尝试使用Universal将那些json文件打包为工件。

作为测试，我们可以使用Universal任务创建和发布工件：

​

​

构建完成后，我们可以在提要中获得工件：

​

​

您可以查看此文档在Azure管道中发布和下载通用包和带有Azure DevOps工件的通用包以获得一些详细信息。