MLOps极致细节：13. Azure Azure ML案例：环境设置

从本章节开始，我们将详细介绍如何通过Azure ML以及mlflow实现机器学习的可复制部署与应用。首先我们需要申请一个Azure免费账号（如果没有的话），创建资源组，Azure机器学习工作区，以及DevOps的相关配置。

• Win10
• IDE：VSCode
• Anaconda
• 代码地址

---

---

1 申请Azure账号（免费）

Azure机器学习为训练、部署和管理机器学习模型提供了基于云的ML平台。首先我们需要有一个微软Azure的账号。登录：https://www.azure.cn/。点击页面上的申请使用。点击个人申请。

一个免费账号里面的资源以及200美元的额度足够满足我们这一系列的代码学习。

当我们注册完微软Azure的账号后，我们进入Azure Portal（Azure门户），如下图所示：

（接下来我建议大家把Azure Portal的语言改回英语）

2 创建Resource Group（资源组）

资源组就像是一个容器，里面可以包含各种Azure的资源。比如说，我们注册了一个Azure Storage服务，一个Azure Key Vault服务，一个Azure Container Registry服务，这三个服务组成了一个解决方案（打个比方），而这三个服务也必须绑定在某一个资源组下面。通过创建资源组，我们可以轻松访问和管理解决方案。

登录Azure门户后，在顶部搜索栏搜索resource group，图标如下图所示

点击Create。界面如下图

subscription这一栏我们目前都不用管，因为目前我是新注册的用户，免费使用期间。在region这一栏，我们可能看不到China或者相关，因为Azure国内的服务是由世纪互联运营，和非国内的服务器是独立的。如果我们看得见China的选项那当然就选，如果没有，那我们可以先距离我们地理位置近一些的服务器位置，比如Southeast Asia或类似。选好之后，我们点击Review + create按钮，最后按下Create按钮即可创建成功。

注意：我后来试了一下，Southeast Asia并非最好选择。由于用的人估计很多，所有如果你需要后期创建compute instance的时候，你可能会发现你的quote不够，需要额外申请。所以，建议使用East US这种美国本土的地区。

3 创建Azure ML Workspace 机器学习工作区

顾名思义，Azure ML Workspace（机器学习工作区）是一个用于跟踪和管理机器学习训练、部署和监控实验的中心枢纽。

同样是在Azure门户搜索栏，我们找到Azure Machine Learning（机器学习），如下图：

点击进入之后，我们就会看到 Create Machine Learning Workspace。点击后如下图所示：

我们看到，首先，创建一个ML Studio需要和subscription绑定（从哪里付钱），还需要绑定Resource group（像一个容器，所有项目资源都放那里），在Workspace name这栏中，我们需要输入一个名字，比如mlops1。有意思的是，微软还给我们自动匹配了Storage account（数据存储在这里），Key Vault（密码储存在这里），Application insights（数据监测在这里）以及Container registry（镜像存放在这里）这四个服务。这四个服务都是必须的，前面三个Azure自动新建了（如果之前没有的话），最后一个Container registry自己新建一下就好了。最后点击View+Create。等所有服务都成功创建后，我们回到Azure portal，进入一开始创建的resource group，你就会看到刚才创建的这四个服务在里面，如下图：

这里附上相关的官方文档链接。

4 Azure DevOps相关配置

所有源代码和与CI/CD相关的运营都将使用Azure DevOps进行管理和编排。我们在Azure DevOps存储库中管理的代码将用于训练、部署和监控由CI/CD管道启用的机器学习模型。

我们首先需要在dev.azure.com创建一个新用户（当然，用户名和我们刚才创建的Azure portal账户是一样的）。注册完之后，我们就能新建一个项目，如下图：

然后，我们点击repo按钮。我们需要自己先新建一个repo（如果我们第一次使用的话，里面是空的）：

注意，在Clone to you Computer下有这个按钮：Generate Git Credentials，点击之后会生成一个密码。如果我们在其他设备上clone代码，那么系统会要求输入用户名和密码，而这个用户名和密码就是通过这里的Generate Git Credentials生成的。

或者，我们也可以选择从其他地方（比如github或者gitee）导入