介绍

  • 2 分钟

想象一下，你是一名机器学习工程师，负责模型的开发阶段到生产阶段。 要训练、测试和部署机器学习模型，最好将“环境”用作“机器学习操作”(MLOps) 策略的一部分。

在数据科学家训练和测试模型后，需要部署模型、测试部署，最后将模型部署到生产环境中，并在生产环境中大规模使用。 根据软件开发做法，应在不同环境中执行这些任务。 通过使用开发、过渡和生产等环境，可以分离 MLOps 工作流。

若要创建不同的环境，可以创建链接到不同 GitHub 环境的不同 Azure 机器学习工作区。 通过使用 GitHub Actions，可以跨环境自动化工作流，添加门控审批以降低风险。

学习目标

在本模块中，你将了解如何：

  • 在 GitHub 中设置环境。
  • 使用 GitHub Actions 中的环境。
  • 在将模型移动到下一个环境之前，添加审批以分配所需的审阅者。