使用 GitHub Actions 进行模型训练

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

本练习是课程的一部分

面向机器学习的 CI/CD

SkillTag.level.advancedSkillTag.label

4.8+

免费开始课程

在本章中，您将学习 Continuous Integration/Continuous Delivery（CI/CD）与 YAML 的核心原则。您将理解软件开发生命周期，以及 build、test、deploy 等关键术语。您还会区分 Continuous Integration、Continuous Delivery 与 Continuous Deployment 的不同之处。此外，您将探讨 CI/CD 在机器学习与实验管理中的重要性。

Exercise 1: 机器学习中的持续集成/持续交付入门 Exercise 2: Continuous deployment 和 delivery Exercise 3: 机器学习工作流 Exercise 4: YAML 入门 Exercise 5: YAML 语法 Exercise 6: YAML 映射与序列 Exercise 7: GitHub Actions 入门 Exercise 8: GitHub Actions 的用途 Exercise 9: GitHub Actions 的组成

本章将带您学习 GitHub Actions（GHA），这一用于执行 CI/CD 工作流的强大平台。您将了解 GHA 的多种组件，包括 events、actions、jobs、steps、runners 与 context。您将掌握如何编写在 push 与 pull request 等事件触发的工作流，并自定义 runner 机器。通过动手实践，您将搭建基础 CI 流水线，并深入理解 GHA 日志。

Exercise 1: YAML 中级 Exercise 2: 找出正确的组合 Exercise 3: 设计一个持续集成工作流 Exercise 4: 设置基础 CI 流水线 Exercise 5: 解读 GitHub Actions 工作流 Exercise 6: 编写一个 GitHub Actions 工作流 Exercise 7: 运行仓库代码 Exercise 8: 共享仓库模型中的功能分支 Exercise 9: 在 GitHub Actions 中运行 Python 代码 Exercise 10: 环境变量与机密 Exercise 11: 什么是 GITHUB_TOKEN？Exercise 12: 使用环境变量 Exercise 13: 使用 secrets

在本章中，您将把机器学习模型训练集成到 GitHub Action 流水线中，并使用 Continuous Machine Learning GitHub Action。您将生成包含模型指标与图表的完整 Markdown 报告。您还将通过采用 Data Version Control（DVC）来跟踪数据变化，深入学习机器学习中的数据版本管理。本章也会介绍设置 DVC remotes 与数据集传输。最后，您将学习 DVC 流水线，并配置 DVC YAML 文件来编排可复现的模型训练。

Exercise 1: 使用 GitHub Actions 进行模型训练

当前练习

Exercise 2: 开发一个分类模型 Exercise 3: 训练一个分类模型 Exercise 4: 使用 CML 设置模型训练 Exercise 5: 使用 Data Version Control 对数据集进行版本管理 Exercise 6: 为什么需要 .dvc 文件？Exercise 7: 数据版本控制实战 Exercise 8: 与 DVC 远程交互 Exercise 9: 探索 DVC 远程的优势 Exercise 10: 实践 DVC 远程仓库 Exercise 11: DVC 流水线 Exercise 12: 创建一个 DVC 流水线 Exercise 13: 使用 DVC 训练 ML 模型

在本章中，您将把重点放在模型性能分析与超参数微调上。您将掌握在不同分支间对比指标与可视化图，以评估模型性能的变化。您还将使用 scikit-learn 的 GridSearchCV 进行超参数调优。此外，您将学习如何基于最优模型配置实现 pull request 的自动化。

Exercise 1: 在 DVC 中比较指标与可视化图 Exercise 2: 在 dvc.yaml 中添加指标与图表 Exercise 3: 跨 Git 分支比较指标 Exercise 4: 在 GitHub Actions 中运行 DVC 流水线 Exercise 5: 使用 DVC 进行超参数调优 Exercise 6: 在 dvc.yaml 中加入超参数调优 Exercise 7: 运行超参数调优的 DVC 流水线 Exercise 8: 用于超参数调优的 GitHub Actions 工作流 Exercise 9: 松耦合 Exercise 10: 在 GitHub Actions 中设置超参数调优 Exercise 11: 恭喜您！