azure-machine-learning-studio - 使用 ML Studio API 开发 CD/CI 的最佳实践是什么?
问题描述
在我们的后端开发过程中,我们有两个环境:测试和生产。我们开发代码,然后将代码推送到测试存储库中。然后在发布日期,我们将所有内容都投入生产。
现在我们要使用 ML Studio,我正在努力为我的 ML Studio 实验设置测试和生产环境。
我用独立的 API 创建了两个相同的实验;一个实验用于测试,另一个实验用于生产。当谈到将训练有素的实验从测试转移到生产环境时,我会将我在测试环境中所做的所有更改都转移到生产环境中,这是一个非常耗时的过程。
您是否知道任何更好的解决方案,以便我们可以部署和测试我们的更改,然后将最新的更改部署到生产中?人们如何在 CD/CI 流程中使用 ML Studio?
附图显示了我现在拥有的设计。如果您能帮助我改进这个过程,我将不胜感激。也许 ML studio 有一些我不知道的功能来管理这个场景。
解决方案
在 MLStudio 中,当您将实验作为 API 发布时,当前的 API 将被替换为流行的 API。您可以做的一种做法是这样的。保持一个测试实验。维护一个相同的副本并将其推送到生产中。当您完成测试实验中的更改后,请保持原样(然后您可以稍后更改)并制作副本(使用另存为) - 将其发布为生产服务。
这也有一些缺点。发布后,您必须更新生产代码上的 API 端点,并且您可能必须手动记录用于生产的版本。唯一的好处是更新两个实验的时间会减少。
推荐阅读
- angular-directive - 组件未接收到指令事件
- python - 我如何设置权重并在以后训练它们?
- functional-programming - 使用迭代器时的类型感知映射
- rust - 如何通过结构内容返回对迭代器的适当生命周期引用?
- eclipse - 无论打开哪种语言,有没有办法在缩进后进行换行?
- java - 运行嵌入在 Java 中的 Pig
- c# - 仅在 float[] 样本数组的末尾删除或修剪零 0
- amazon-web-services - AWS EMR Hive 在查询 S3 存储桶时失败,并出现 execption 'java.io.FileNotFoundException: No such file or directory:'
- c# - 如何使用 C# 中的 Docker.dotnet 库连接到远程 docker 守护进程?
- ios - SJVideoPlayer 不播放视频显示黑屏