Azure Machine Learning كمصدر شبكة الأحداث

  • مقالة

توفر هذه المقالة خصائص ومخططات أحداث مساحة عمل التعلم الآلي. للحصول على مقدمة لمخططات الأحداث، راجع مخطط حدث Azure Event Grid.

أنواع الأحداث المتاحة

تصدر Azure Machine Learning أنواع الأحداث التالية:

نوع الحدث ‏‏الوصف
Microsoft.MachineLearningServices.ModelRegistered يُرفع عند تسجيل إصدار طراز أو طراز جديد بنجاح.
Microsoft.MachineLearningServices.ModelDeployed يُرفع عند تم بنجاح نشر طراز (نماذج) إلى نقطة نهاية.
Microsoft.MachineLearningServices.RunCompleted يُرفع عند اكتمال عملية تشغيل بنجاح.
Microsoft.MachineLearningServices.DatasetDriftDetected يُرفع عندما تكتشف شاشة انجراف Dataset.
Microsoft.MachineLearningServices.RunStatusChanged يُرفع عند تغيير حالة تشغيل.

مثال الأحداث

عندما يتم تشغيل حدث، ترسل خدمة Event Grid بيانات حول هذا الحدث إلى نقطة نهاية الاشتراك. يحتوي هذا المقطع على مثال لما ستبدو عليه هذه البيانات لكل حدث.

حدث Microsoft.MachineLearningServices.ModelRegistered

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

حدث Microsoft.MachineLearningServices.ModelDeployed

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

حدث Microsoft.MachineLearningServices.RunCompleted

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

حدث Microsoft.MachineLearningServices.DatasetDriftDetected

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

حدث Microsoft.MachineLearningServices.RunStatusChanged

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

خصائص الحدث

ويحتوي الحدث على بيانات المستوى الأعلى التالية:

الخاصية نوع الوصف
source سلسلة مسار المورد الكامل إلى مصدر الحدث. هذا الحقل غير قابل للكتابة. توفر شبكة الأحداث هذه القيمة.
subject سلسلة مسار يحدده الناشر لموضوع الحدث.
type سلسلة أحد أنواع الأحداث المسجلة لمصدر الحدث الماثل.
time سلسلة الوقت الذي يتم إنشاء الحدث استناداً إلى وقت UTC الموفر.
id سلسلة المعرف الفريد للحدث.
data كائن بيانات حدث تخزين البيانات الثنائية الكبيرة.
specversion سلسلة إصدار مواصفات مخطط CloudEvents.

يحتوي كائن البيانات على الخصائص التالية لكل نوع حدث:

Microsoft.MachineLearningServices.ModelRegistered

الخاصية نوع الوصف
ModelName سلسلة اسم الطراز الذي تم تسجيله.
ModelVersion سلسلة إصدار الطراز الذي تم تسجيله.
ModelTags كائن علامات النموذج الذي تم تسجيله.
ModelProperties كائن خصائص النموذج الذي تم تسجيله.

Microsoft.MachineLearningServices.ModelDeployed

الخاصية نوع الوصف
ServiceName سلسلة اسم الخدمة الموزّعة.
ServiceComputeType سلسلة نوع حساب (على سبيل المثال، ACI، AKS) الخدمة الموزعة.
ModelIds سلسلة قائمة مفصولة بفاصلة لمعرفات الطراز. معرفات النماذج الموزعة في الخدمة.
ServiceTags كائن علامات الخدمة الموزّعة.
ServiceProperties كائن خصائص الخدمة الموزّعة.

Microsoft.MachineLearningServices.RunCompleted

الخاصية نوع الوصف
experimentId سلسلة معرف التجربة التي ينتمي إليها التشغيل.
experimentName سلسلة اسم التجربة التي ينتمي إليها التشغيل.
runId سلسلة معرف التشغيل الذي تم إكماله.
runType سلسلة نوع تشغيل التشغيل المكتمل.
runTags كائن علامات التشغيل المكتمل.
runProperties كائن خصائص التشغيل المكتمل.

Microsoft.MachineLearningServices.DatasetDriftDetected

الخاصية نوع الوصف
DataDriftId سلسلة معرف جهاز عرض انجراف البيانات الذي قام بتشغيل الحدث.
DataDriftName سلسلة اسم جهاز عرض انجراف البيانات الذي قام بتشغيل الحدث.
RunId سلسلة معرف التشغيل الذي اكتشف انجراف البيانات.
BaseDatasetId سلسلة معرف مجموعة البيانات الأساسية المستخدمة للكشف عن الانجراف.
TargetDatasetId سلسلة معرف مجموعة البيانات الهدف المستخدمة للكشف عن الانجراف.
DriftCoefficient مزدوج نتيجة المعامل الذي أدى إلى الحدث.
StartTime datetime وقت بدء سلسلة وقت مجموعة البيانات الهدف التي أدت إلى اكتشاف الانجراف.
EndTime datetime وقت انتهاء سلسلة وقت مجموعة البيانات المستهدفة التي أدت إلى اكتشاف الانجراف.

Microsoft.MachineLearningServices.RunStatusChanged

الخاصية نوع الوصف
experimentId سلسلة معرف التجربة التي ينتمي إليها التشغيل.
experimentName سلسلة اسم التجربة التي ينتمي إليها التشغيل.
runId سلسلة معرف التشغيل الذي تم إكماله.
runType سلسلة نوع تشغيل التشغيل المكتمل.
runTags كائن علامات التشغيل المكتمل.
runProperties كائن خصائص التشغيل المكتمل.
runStatus سلسلة حالة التشغيل.

البرامج التعليمية والدروس المعرفية

المسمى الوظيفي ‏‏الوصف
استهلاك أحداث Azure Machine Learning نظرة عامة على دمج التعلم الآلي Azure مع شبكة الأحداث.

الخطوات التالية