Consommer des points de terminaison de pipeline à partir d’applications clientes
Important
La prise en charge d’Azure Machine Learning Studio (classique) prendra fin le 31 août 2024. Nous vous recommandons de passer à Azure Machine Learning avant cette date.
Depuis le 1er décembre 2021, vous ne pouvez plus créer de nouvelles ressources Machine Learning Studio (classique) (espace de travail et plan de service Web). Jusqu’au 31 août 2024, vous pouvez continuer à utiliser les expériences et les services Web Machine Learning Studio (classiques) existants. Pour plus d’informations, consultez l’article suivant :
- Migrer vers Azure Machine Learning depuis Machine Learning Studio (classique)
- Qu'est-ce que Microsoft Azure Machine Learning ?
La documentation de Machine Learning Studio (classique) est en cours de retrait et pourrait ne pas être mise à jour à l’avenir.
Dans cet article, vous allez apprendre à intégrer des applications clientes à des points de terminaison Azure Machine Learning.
Cet article fait partie de la série sur la migration de ML Studio (classique) vers Azure Machine Learning. Pour plus d’informations sur la migration vers Azure Machine Learning, consultez l’article de présentation de la migration.
Prérequis
- Compte Azure avec un abonnement actif. Créez un compte gratuitement.
- Un espace de travail Azure Machine Learning. Créer des ressources d’espace de travail.
- Un point de terminaison en temps réel ou un point de terminaison de pipeline Azure Machine Learning.
Consommer un point de terminaison en temps réel
Si vous avez déployé votre modèle en tant que point de terminaison en temps réel, vous pouvez trouver son point de terminaison REST et le code de consommation prégénéré en C#, Python et R :
- Accédez à Azure Machine Learning studio (ml.azure.com).
- Allez dans l’onglet Points de terminaison.
- Sélectionnez votre point de terminaison en temps réel.
- Sélectionnez Consommer.
Notes
Vous pouvez également trouver la spécification de Swagger pour votre point de terminaison sous l’onglet Détails. Utilisez la définition de Swagger pour comprendre le schéma de votre point de terminaison. Pour plus d’informations sur la définition de Swagger, consultez la documentation officielle de Swagger.
Utiliser un point de terminaison de pipeline
Il existe deux façons de consommer un point de terminaison de pipeline :
- Appels de l’API REST
- Intégration à Azure Data Factory
Utilisation d’appels d’API REST
Appelez le point de terminaison REST à partir de votre application cliente. Vous pouvez utiliser la spécification Swagger de votre point de terminaison afin d’en comprendre le schéma :
- Accédez à Azure Machine Learning studio (ml.azure.com).
- Allez dans l’onglet Points de terminaison.
- Sélectionnez Points de terminaison de pipeline.
- Sélectionnez votre point de terminaison de pipeline.
- Dans le volet Présentation du point de terminaison de pipeline, sélectionnez le lien sous Documentation du point de terminaison REST.
Utilisation d’Azure Data Factory
Vous pouvez appeler votre pipeline Azure Machine Learning comme étape dans un pipeline Azure Data Factory. Pour plus d’informations, consultez Exécuter des pipelines Azure Machine Learning dans Azure Data Factory.
Étapes suivantes
Dans cet article, vous avez appris à trouver le schéma et des exemples de code pour vos points de terminaison de pipeline. Pour plus d’informations sur l’authentification à un point de terminaison, consultez S’authentifier auprès d’un point de terminaison en ligne.
Consultez les autres articles de la série relative à la migration vers Azure Machine Learning :