azure-machine-learning-studio - 使用 ML Studio API 开发 CD/CI 的最佳实践是什么？

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。

标签： azure-machine-learning-studioml-studio

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。