利用Azure上的AutoML进行机器学习前配置

最近正在参与一个机器学习-物体识别的项目，将大致的配置步骤记录下来，以供进后参考。

1. 前提是有Azure开发账号
2. 安装VS Code
3. 安装Conda
4. 运行“conda env create -f environment.yml"，安装用到的插件
   1. "conda env update if environment.yml"更新
   2. "conda env export>environment.yml"导出本地环境到文件
   3. ”conda activate name_environment"激活环境
   4. 参考配置Azure ML 开发环境文件_garyaofq的博客-CSDN博客
5. 运行"pre-commit install" ，提交时先帮助检查
6. 安装git,用于文件提交及文件复制
   1. 云端建一个branch
   2. git checkout -b foldername/local-branch本地建一个branch
      1. git add filename文件添加到暂存区
      2. git commit -m "add notes here" 改动到本地仓库
      3. git push origin remotemachine:localmachine 推送到云端仓库
      4. git rm --cached -r dirname忽略掉前面提交的文件，重新提交（云端会删除），文件前面不要-r参数
7. 运行写好的程序，在浏览器中看效果"streamlit run ./src/app.py"，人工智能多用python
8. 从Blob下载测试数据：
   1. 下载安装Azure storage explorer
   2. 选blob container
   3. 选shared access signature(SAS)
   4. 填blob container SAS URL:????
   5. 下载文件
9. 利用Azure Cli检查当前连接的云端
   1. 安装Azure Cli
   2. az cloud list --out table检查
   3. az cloud set --name AzureCloud设置活动链接到云端
10. 提交到云端的文件可以在repos/Branches下查看，同组人员可以在Pull request中检查你的代码，检查通过后合并到main branch
11. Boards里是stories,是要解决的问题，问题的负责人会将stories分解为task,分配给组内成员，task有active,Resolved,closed状态，每天更新（一个Sprints结束后，会有一个demo,组员分享自己的成果）Retrospectives用于反馈信息，Estimate用于大家一起估算stories的工作量（1天到8天）
12. 如果要详细了解开发流程，建议参考链接：Azure DevOps Services | Microsoft Azure