Používání úloh R
PLATÍ PRO:Rozšíření Azure CLI ml v2 (aktuální)Sada Python SDK azure-ai-ml v2 (aktuální)
Pro R neexistuje žádná sada Azure Machine Learning SDK. Místo toho ke spuštění skriptů jazyka R použijete řídicí skript rozhraní příkazového řádku nebo Pythonu.
Tento článek popisuje klíčové scénáře pro jazyk R, které jsou podporovány ve službě Azure Machine Learning, a známá omezení.
Typický pracovní postup jazyka R
Typický pracovní postup pro použití jazyka R se službou Azure Machine Learning:
Vyvíjejte skripty jazyka R interaktivně pomocí poznámkových bloků Jupyter ve výpočetní instanci. (I když můžete do výpočetní instance přidat také Posit nebo RStudio, v současné době nemůžete přistupovat k datovým prostředkům v pracovním prostoru z těchto aplikací ve výpočetní instanci. Interaktivní práce se prozatím nejlépe provádí v poznámkovém bloku Jupyter.)
- Čtení tabulkových dat z registrovaného datového prostředku nebo úložiště dat
- Instalace dalších knihoven jazyka R
- Ukládání artefaktů do úložiště souborů pracovního prostoru
Přizpůsobení skriptu ke spuštění jako produkční úlohy ve službě Azure Machine Learning
- Odeberte veškerý kód, který může vyžadovat interakci uživatele.
- Podle potřeby přidejte do skriptu vstupní parametry příkazového řádku.
- Zahrnutí a zdroj
azureml_utils.R
skriptu ve stejném pracovním adresáři skriptu jazyka R, který se má spustit - Použití
crate
k zabalení modelu - Zahrnutí funkcí R/MLflow do skriptu pro protokolování artefaktů, modelů, parametrů nebo značek do úlohy v MLflow
Odesílání vzdálených asynchronních úloh R (úlohy se odesílaly prostřednictvím rozhraní příkazového řádku nebo pythonové sady SDK, ne R)
- Vytvoření prostředí
- Artefakty, parametry, značky a modely úloh protokolování
Registrace modelu pomocí studio Azure Machine Learning
Nasazení registrovaných modelů R do spravovaných online koncových bodů
- Použití nasazených koncových bodů pro odvozování a vyhodnocování v reálném čase
Známá omezení
Omezení | Udělejte to místo toho. |
---|---|
Neexistuje žádná sada SDK řídicí roviny jazyka R. | K odesílání úloh použijte řídicí skript Azure CLI nebo Python. |
RStudio spuštěné jako vlastní aplikace (například Posit nebo RStudio) v kontejneru ve výpočetní instanci nemá přístup k prostředkům pracovního prostoru nebo MLflow. | Používejte poznámkové bloky Jupyter s jádrem R na výpočetní instanci. |
Interaktivní dotazování registru MLflow pracovního prostoru z jazyka R se nepodporuje. | |
Vnořená spuštění MLflow v R se nepodporují. | |
Paralelní krok úlohy se nepodporuje. | Spusťte skript paralelně n pomocí různých vstupních parametrů. K vygenerování n volání YAML nebo ROZHRANÍ příkazového řádku ale budete muset provést metaprogram. |
Registrace nebo záznam ze spuštěné úlohy pomocí jazyka R programového modelu se nepodporuje. | |
Nulové nasazení kódu (tj. automatické nasazení) modelu R MLflow se v současné době nepodporuje. | Vytvořte vlastní kontejner s plumber nástrojem pro nasazení. |
Bodování modelu R pomocí dávkových koncových bodů se nepodporuje. | |
Online nasazení služby Azure Machine Learning yml může pro specifikaci prostředí používat pouze identifikátory URI imagí přímo z registru. ne předem sestavená prostředí ze stejného souboru Dockerfile. | Správný způsob nasazení najdete v tématu Postup nasazení zaregistrovaného modelu R do online koncového bodu (v reálném čase). |
Další kroky
Další informace o jazyce R ve službě Azure Machine Learning: