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。
- 前提是有Azure开发账号
- 安装VS Code
- 安装Conda
- 运行“conda env create -f environment.yml",安装用到的插件
- "conda env update if environment.yml"更新
- "conda env export>environment.yml"导出本地环境到文件
- ”conda activate name_environment"激活环境
- 参考配置Azure ML 开发环境文件_garyaofq的博客-CSDN博客
- 运行"pre-commit install" ,提交时先帮助检查
- 安装git,用于文件提交及文件复制
- 云端建一个branch
- git checkout -b foldername/local-branch本地建一个branch
- git add filename文件添加到暂存区
- git commit -m "add notes here" 改动到本地仓库
- git push origin remotemachine:localmachine 推送到云端仓库
- 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
- 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
- 从Blob下载测试数据:
- 下载安装Azure storage explorer
- 选blob container
- 选shared access signature(SAS)
- 填blob container SAS URL:????
- 下载文件
- 利用Azure Cli检查当前连接的云端
- 安装Azure Cli
- az cloud list --out table检查
- az cloud set --name AzureCloud设置活动链接到云端
- 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
- 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)
- 如果要详细了解开发流程,建议参考链接:Azure DevOps Services | Microsoft Azure