做云市场行业的领导者
欢迎光临本网站
主页 > 云产品 >

数据与大数据专业-Azure上的Pythorch,简化了ML生命周期

发布时间:2020-08-28 00:16   来源:维塔尔云    作者:维塔尔云

Azure上的Pythorch,简化了ML生命周期

看到Pythorch社区继续发展并定期发布Pythorch的更新版本是令人兴奋的!最近的版本提高了性能,ONNX导出,TorchScript,C++前端,JIT和分布式培训。还介绍了一些新的实验特性,返利平台有哪些,如量子化。在今年秋天早些时候的Pythorch开发者大会上,我们介绍了我们对Pythorch的开源贡献如何使它更好地为社区中的每个人带来好处。我们还谈到了PyBing如何为微软开发Torch服务的模型。无论您是个人、小型团队还是大型企业,超级返利,管理机器学习生命周期都是一项挑战。我们想向您展示Azure机器学习如何使用Pythorch使您和您的组织更有效率。利用Azure机器学习简化研究到生产生命周期在Azure机器学习中使用PyTorch 1.3的好处之一是机器学习操作(MLOps)。MLOps简化了端到端机器学习(ML)生命周期,因此您可以频繁地更新模型、测试新模型,并在其他应用程序和服务的同时不断推出新的ML模型。MLOps提供:具有强大的ML管道的可重复培训,它将训练PyTorch模型所涉及的所有步骤缝合在一起,从数据准备到特征提取,中国电信物联网,到超参数调整,再到模型评估。使用数据集和模型注册表进行资产跟踪,免费的数据分析软件,以便您知道谁在发布PyTorch模型,为什么要进行更改,以及何时在生产中部署或使用PyTorch模型。从云端到边缘的任何地方打包、分析、验证和部署PyTorch模型。以企业级的方式监控和管理Pythorch模型,并提供对业务有影响的问题(如数据漂移)的事件和通知。 Pythorch训练模型使用MLOps,数据科学家像往常一样编写和更新代码,并定期将其推送到GitHub存储库。这将触发一个azuredevops构建管道,该管道执行代码质量检查、数据健全性测试、单元测试、构建Azure机器学习管道,并将其发布到您的Azure机器学习工作区。Azure机器学习管道执行以下任务:训练模型任务在Azure机器学习计算上执行Pythorch训练脚本。它输出一个模型文件,该文件存储在运行历史中。评估模型任务评估新训练的Pythorch模型在生产中的性能。如果新模型的性能优于生产模型,则执行以下步骤。如果没有,它们将被跳过。注册模型任务采用改进的PyTorch模型,并将其注册到Azure机器学习模型注册表中。这允许我们对它进行版本控制。您可以在这个PyTorch MLOps示例中找到用于训练PyTorch模型、执行超参数扫描和注册模型的示例代码。部署Pythorch模型DevOps的机器学习扩展帮助您将Azure机器学习任务集成到Azure DevOps项目中,以简化和自动化模型部署。一旦一个新模型注册到你的Azure机器学习工作区中,你就可以触发一个发布管道来自动化你的部署过程。然后,模型可以自动打包并部署为跨测试和生产环境(如Azure容器实例和azurekubernetes服务(AKS))的web服务。您甚至可以启用封闭发布,这样,一旦模型成功部署到登台或质量保证(QA)环境中,就会向审批者发送通知,以审核并批准发布到生产环境中。您可以在PyTorch ML Ops示例中看到这个示例代码。下一步行动我们很高兴能在Azure中支持最新版本的PyTorch。有了Azure机器学习和它的MLOps功能,您可以在企业中使用PyTorch,使其具有可复制的模型生命周期。查看MLOps示例存储库,云服务器器,了解如何为PyTorch模型启用CI/CD工作流的端到端示例。

上一篇:大数据是-加快区块链在企业中的应用
下一篇:物联网模块-针对SQL Server 2019和还原为文件的Azure备份支持

分享到:
0
最新资讯
阅读排行