#Репозиторий моделей

Основное назначение функции репозитория моделей — предоставить основанную на Git систему хранения с контролем версий для моделей машинного обучения, чтобы команды могли управлять файлами моделей, отслеживать версии и совместно работать в рамках разных tenant. Она использует Git LFS для хранения больших файлов и интегрируется с рабочими процессами MLOps, обеспечивая связь между разработкой и развертыванием моделей.

#Преимущества

Контроль версий в стиле Git

• Отслеживайте изменения моделей с помощью commits/branches/tags, обеспечивая воспроизводимость.

Высокая скорость передачи

• Загрузки через CLI/Notebook используют внутреннюю пропускную способность сети.

Совместное использование между tenant

• К общим моделям можно получать доступ из разных namespaces (например, public как marketplace моделей).

Бесшовная интеграция

• Развертывайте модели напрямую из репозитория в inference services.

#Основные возможности

Создание и удаление репозитория моделей

• Создавайте пустой репозиторий на базе Git с метаданными (name/description/visibility).
• Удаляйте модели после проверки зависимостей (например, убедитесь, что нет активных inference services).

Управление файлами

1. CLI/Git LFS
   • Используйте git lfs track для больших файлов (например, *.bin, *.h5).
   • Пример:

     git clone <model_repo_url>
     git lfs install
     cp ~/local_model/* . && git add . && git commit -m "v1.0" && git push

Контроль версий

1. Ветвление
   • Поддерживайте параллельные версии (например, ветви experimental и main).
2. Тегирование
   • Помечайте релизы через UI/CLI (например, git tag -a v2.0 -m "Stable release").
3. Синхронизация метаданных
   • Автоматически считывайте README.md из ветви по умолчанию для описаний моделей.

Совместное использование между tenant

1. Общие модели
   • Установите значение visibility в "Shared" при создании для доступа между tenant.
2. Публичный marketplace
   • Используйте namespace public для публикации open-source моделей (например, конверсий HuggingFace).

Интеграция с MLOps

1. Готовность к развертыванию
   • Запуск inference service в один клик из версий модели, помеченных тегами.
2. Интеграция с Notebook
   • Загружайте модели напрямую в AML Notebooks для тестирования:

     !git clone https://aml-public/resnet50.git

#Технические примечания

1. Требование к Git LFS
   • Необходимо включить .gitattributes, чтобы указать файлы, отслеживаемые через LFS (например, *.zip filter=lfs diff=lfs merge=lfs).
2. Правила для ветви по умолчанию
   • Неправильно настроенные метаданные README.md могут заблокировать развертывание inference.

#Создание модели и загрузка файлов модели

Подробные шаги по загрузке файлов модели в репозиторий моделей см. в разделе Upload Models Using Notebook.