(Klasszikus) Studio-webszolgáltatás újraépítése az Azure Machine Learningben

Fontos

Az Azure Machine Tanulás Studio (klasszikus) támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy a dátumig váltson az Azure Machine Tanulás.

2021. december 1-től nem hozhat létre új Machine Tanulás Studio-erőforrásokat (munkaterület- és webszolgáltatás-csomagot). 2024. augusztus 31-ig továbbra is használhatja a machine Tanulás Studio (klasszikus) kísérleteket és webszolgáltatásokat. További információkért lásd:

• Migrálás az Azure Machine Tanulás a Machine Tanulás Studióból (klasszikus)
• Mi az Azure Machine Learning?

A Machine Tanulás Studio (klasszikus) dokumentációja kivezetés alatt áll, és előfordulhat, hogy a jövőben nem frissül.

Ebből a cikkből megtudhatja, hogyan építhet újra egy ML Studio (klasszikus) webszolgáltatást végpontként az Azure Machine Tanulás.

Az Azure Machine Tanulás folyamatvégpontok használatával előrejelzéseket készíthet, modelleket képezhet át, vagy bármilyen általános folyamatot futtathat. A REST-végpont lehetővé teszi, hogy folyamatokat futtasson bármely platformról.

Ez a cikk a Studio (klasszikus) azure machine-Tanulás migrálási sorozatának része. Az Azure Machine-Tanulás való migrálással kapcsolatos további információkért tekintse meg a migrálás áttekintését ismertető cikket.

Feljegyzés

Ez a migrálási sorozat a húzással foglalkozó tervezőre összpontosít. A modellek programozott üzembe helyezésével kapcsolatos további információkért lásd : Gépi tanulási modellek üzembe helyezése az Azure-ban.

Előfeltételek

• Egy Azure-fiók, aktív előfizetéssel. Fiók ingyenes létrehozása.
• Egy Azure Machine Learning-munkaterület. Munkaterületi erőforrások létrehozása.
• Egy Azure Machine Tanulás betanítási folyamat. További információ: Studio -kísérlet újraépítése (klasszikus) az Azure Machine-Tanulás.

Valós idejű végpont és folyamatvégpont

A Studio (klasszikus) webszolgáltatásokat az Azure Machine Tanulás végpontjai váltották fel. A következő táblázat segítségével válassza ki a használni kívánt végponttípust:

Studio (klasszikus) webszolgáltatás	Az Azure Machine Tanulás cseréje
Kérelem/válasz webszolgáltatás (valós idejű előrejelzés)	Valós idejű végpont
Batch webszolgáltatás (batch prediction)	Folyamatvégpont
Webszolgáltatás újratanítása (újratanítás)	Folyamatvégpont

Valós idejű végpont üzembe helyezése

A Studióban (klasszikus) egy REQUEST/RESPOND webszolgáltatást használt egy modell valós idejű előrejelzésekhez való üzembe helyezéséhez. Az Azure Machine Tanulás valós idejű végpontot használ.

A modellek többféleképpen is üzembe helyezhetők az Azure Machine Tanulás. Az egyik legegyszerűbb módszer a tervező használata az üzembe helyezési folyamat automatizálására. A modellek valós idejű végpontként való üzembe helyezéséhez kövesse az alábbi lépéseket:

1. Legalább egyszer futtassa a befejezett betanítási folyamatot.

2. A feladat befejezése után a vászon tetején válassza a Következtetési folyamat>létrehozása valós idejű következtetési folyamat lehetőséget.

   

   A tervező valós idejű következtetési folyamattá alakítja a betanítási folyamatot. Hasonló átalakítás történik a Studióban is (klasszikus).

   A tervezőben a konvertálási lépés a betanított modellt is regisztrálja az Azure Machine Tanulás-munkaterületen.

3. Válassza a Küldés lehetőséget a valós idejű következtetési folyamat futtatásához, és ellenőrizze, hogy sikeresen fut-e.

4. A következtetési folyamat ellenőrzése után válassza az Üzembe helyezés lehetőséget.

5. Adja meg a végpont nevét és egy számítási típust.

   Az alábbi táblázat a tervező üzembehelyezési számítási lehetőségeit ismerteti:

   Számítási cél	Alkalmazási cél	Leírás	Létrehozás
   Azure Kubernetes Service (AKS)	Valós idejű következtetés	Nagy méretű, éles környezetek. Gyors válaszidő és szolgáltatás automatikus skálázás.	Felhasználó által létrehozott. További információ: Számítási célok létrehozása.
   Azure Container Instances	Tesztelés vagy fejlesztés	Kis méretű, CPU-alapú számítási feladatok, amelyek kevesebb mint 48 GB RAM-ot igényelnek.	Az Azure Machine Tanulás által automatikusan létrehozott.

A valós idejű végpont tesztelése

Az üzembe helyezés befejezése után további részleteket láthat, és tesztelheti a végpontot:

1. Nyissa meg a Végpontok lapot.

2. Válassza ki a végpontot.

3. Kattintson a Teszt fülre.

   

Folyamatvégpont közzététele kötegelt előrejelzéshez vagy újratanításhoz

A betanítási folyamat használatával is létrehozhat egy folyamatvégpontot valós idejű végpont helyett. A folyamatvégpontok használatával kötegelt előrejelzést vagy újratanítást végezhet.

A folyamatvégpontok lecserélik a Studio (klasszikus) kötegelt végrehajtási végpontjait és a webszolgáltatások újratanítását.

Folyamatvégpont közzététele kötegelt előrejelzéshez

A kötegelt előrejelzési végpont közzététele hasonló a valós idejű végponthoz.

A következő lépésekkel közzétehet egy folyamatvégpontot a kötegelt előrejelzéshez:

1. Legalább egyszer futtassa a befejezett betanítási folyamatot.

2. A feladat befejezése után a vászon tetején válassza a Következtetési folyamat>létrehozása Batch-következtetési folyamat lehetőséget.

   

   A tervező a betanítási folyamatot kötegelt következtetési folyamattá alakítja. Hasonló átalakítás történik a Studióban is (klasszikus).

   A tervezőben ez a lépés a betanított modellt is regisztrálja az Azure Machine Tanulás-munkaterületen.

3. A Küldés lehetőséget választva futtassa a kötegkövető folyamatot, és ellenőrizze, hogy sikeresen befejeződött-e.

4. A következtetési folyamat ellenőrzése után válassza a Közzététel lehetőséget.

5. Hozzon létre egy új folyamatvégpontot, vagy válasszon ki egy meglévőt.

   Egy új folyamatvégpont létrehoz egy új REST-végpontot a folyamathoz.

   Ha kiválaszt egy meglévő folyamatvégpontot, nem írja felül a meglévő folyamatot. Ehelyett az Azure Machine Tanulás a végpont egyes folyamatainak verzióit. Megadhatja, hogy melyik verzió fusson a REST-hívásban. Akkor is be kell állítania egy alapértelmezett folyamatot, ha a REST-hívás nem ad meg verziót.

Folyamatvégpont közzététele újratanításhoz

Ha újratanítás céljából közzé szeretne tenni egy folyamatvégpontot, már rendelkeznie kell egy modell betanítására szolgáló folyamattervezetgel. A betanítási folyamat felépítéséről további információt a Studio (klasszikus) kísérlet újraépítése című témakörben talál.

A folyamatvégpont újratanításhoz való újrafelhasználásához létre kell hoznia egy folyamatparamétert a bemeneti adatkészlethez. Ez lehetővé teszi a betanítási adatkészlet dinamikus beállítását, hogy újratanulhassa a modellt.

Az újratanítási folyamat végpontjának közzétételéhez kövesse az alábbi lépéseket:

1. Legalább egyszer futtassa a betanítási folyamatot.

2. A futtatás befejezése után válassza ki az adathalmaz-modult.

3. A modul részletei panelen válassza a Beállítás folyamatparaméterként lehetőséget.

4. Adjon meg egy leíró nevet, például : "InputDataset".

   

   Ez létrehoz egy folyamatparamétert a bemeneti adatkészlethez. Amikor betanítás céljából meghívja a folyamatvégpontot, megadhat egy új adatkészletet a modell újratanításához.

5. Válassza a Közzététel lehetőséget.

   

A folyamatvégpont meghívása a studióból

A kötegelt következtetés vagy a folyamatvégpont újratanítását követően közvetlenül a böngészőből hívhatja meg a végpontot.

1. Lépjen a Folyamatok lapra, és válassza a Folyamatvégpontok lehetőséget.

2. Válassza ki a futtatni kívánt folyamatvégpontot.

3. Válassza a Küldés lehetőséget.

   A Küldés lehetőséget választva bármilyen folyamatparamétert megadhat.

Következő lépések

Ebben a cikkben megtanulta, hogyan építhet újra egy Studio (klasszikus) webszolgáltatást az Azure Machine Tanulás. A következő lépés a webszolgáltatás integrálása az ügyfélalkalmazásokkal.

Tekintse meg a Studio (klasszikus) migrálási sorozatának további cikkeit:

1. Migrálás áttekintése.
2. Adathalmaz migrálása.
3. Studio (klasszikus) betanítási folyamat újraépítése.
4. Studio (klasszikus) webszolgáltatás újraépítése.
5. Azure Machine Tanulás webszolgáltatás integrálása ügyfélalkalmazásokkal.
6. Az R-szkript migrálása.