第 8 章 适用于 Azure 的 MLOps
本作品已使用人工智能进行翻译。欢迎您提供反馈和意见:translation-feedback@oreilly.com
我们全家搬家的第三个原因是,自 1933 年大萧条以来,我们一直没有一个像样的家。多年以后,我才明白,我 6 岁时热爱的乡村乐园是如何消失的。我的父母无法支付房租。我的母亲放弃了她苦苦挣扎的诊所,在一家州立医院找到了一份接诊医生的工作,为我们提供了几块钱和一间过于狭窄的公寓,于是我和弟弟被送进了我们后来称之为 "流放地 "的地方。
约瑟夫-博根博士
微软在 Azure 机器学习方面的持续投资正在得到回报。如今,Azure 所提供的大量功能使整个平台成为了一个伟大的产品。几年前,人们甚至还不清楚 Azure 会获得如此多顶级工程人员的涌入,以及对其服务越来越浓厚的兴趣。
如果你完全没有尝试过 Azure,或者没有在微软的云产品中看到过与机器学习相关的内容,我强烈建议你给它一个机会。与大多数云服务提供商一样,试用期内有足够的积分,您可以亲自试用并做出判断。
我通常倾向于提出的一个例子是使用 Kubernetes。安装、配置和部署 Kubernetes 集群根本不是一件简单的事情。如果考虑到关联机器学习模型并扩展其与潜在消费者的交互,情况就更加复杂了。要正确解决这个问题,难度可想而知。如果你有机会为一个训练有素的模型进行部署设置,将 Kubernetes 集群作为模型的目标,那么它可以归结为从下拉菜单中选择集群。
除了在生产中部署模型等复杂问题的所有功能和抽象之外,大量详细的文档也让人耳目一新。虽然本章集中介绍了在 Azure 中进行机器学习的操作,但不可能囊括所有精彩细节。要深入了解此处未涵盖的更多信息,主文档资源是一个绝佳的书签位置。
在本章中,我将介绍 Azure 中一些有趣的选项,从训练模型到在容器或 Kubernetes 集群中部署模型。由于管道在机器学习产品中越来越常见,我将深入探讨管道。管道可以进一步增强自动化,即使自动化源于 Azure 云之外。
在平台内执行机器学习任务有多种方法:Azure ML Studio Designer、Jupyter Notebooks 和 AutoML,你可以上传 CSV 并立即开始训练模型。最后,大多数(如果不是全部)功能在 SDK 中都有相应的支持(将在下一节中介绍)。这种灵活性至关重要,因为它允许您选择最适合您的解决方案。因此,您没有必要按照自己的观点来操作模型。
最后,我将介绍关于应用 DevOps 一些核心原则的实用建议,例如使用 Azure 机器学习的功能进行监控和记录。
备注
虽然本章介绍的是 Azure 机器学习,但不会涉及创建和设置新账户等基础知识。如果你还没有尝试过这项服务,可以从这里开始。
Azure CLI 和 Python SDK
本章中的各种示例和代码片段假定你的环境中已安装并可用 Azure 命令行工具和 Python SDK(软件开发工具包)。请确保安装了最新版本的 CLI,并且机器学习扩展在安装后可用:
$ az extension add -n azure-cli-ml
大多数情况下,您需要从本地系统返回 Azure 进行身份验证。此工作流程与其他 Cloud 提供商类似。要将 Azure 帐户与当前环境关联,请运行以下命令:
$ az login
使用 Azure Python SDK 的大多数 Python 示例都需要一个 Azure 帐户和下载到本地的与工作区相关的config.json ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access