Mencadangkan dan memulihkan model pemahaman bahasa percakapan Anda
Saat Anda membuat sumber daya Bahasa di portal Azure, Anda menentukan wilayah sebagai tempat untuk membuatnya. Sejak saat itu, sumber daya Anda dan semua operasi yang terkait dengannya terjadi di wilayah server Azure yang ditentukan. Jarang terjadi, tetapi bukan tidak mungkin, mengalami masalah jaringan yang melanda seluruh wilayah. Jika solusi Anda harus selalu tersedia, maka Anda harus merancangnya untuk memiliki failover ke wilayah lain. Ini memerlukan dua sumber daya Bahasa Azure AI di wilayah yang berbeda dan kemampuan untuk menyinkronkan model CLU Anda di seluruh wilayah.
Jika aplikasi atau bisnis Anda bergantung pada penggunaan model CLU, sebaiknya buat replika proyek Anda ke wilayah lain yang didukung. Sehingga jika pemadaman layanan regional terjadi, Anda kemudian dapat mengakses model Anda di wilayah failover lain tempat replika proyek Anda.
Membuat replika proyek berarti Anda mengekspor metadata dan aset proyek Anda kemudian mengimpornya ke dalam proyek baru. Ini hanya membuat salinan pengaturan proyek, niat, entitas, dan ucapan Anda. Anda masih harus melatih dan menyebarkan model agar tersedia untuk digunakan dengan API runtime.
Pada artikel ini, Anda akan mempelajari cara menggunakan API ekspor dan impor untuk membuat replika proyek Anda dari satu sumber daya ke sumber daya lain yang ada di berbagai wilayah geografis yang didukung, panduan untuk menjaga proyek Anda tetap sinkron, dan perubahan yang diperlukan untuk penggunaan runtime Anda.
Prasyarat
- Dua sumber daya Bahasa Azure AI di wilayah Azure yang berbeda, masing-masing di wilayah yang berbeda.
Mendapatkan titik akhir kunci sumber daya Anda
Gunakan langkah-langkah berikut untuk mendapatkan kunci dan titik akhir sumber daya primer dan sekunder Anda. Ini akan digunakan dalam langkah-langkah berikut.
Buka halaman citraan umum sumber daya Anda di portal Microsoft Azure. Dari menu sebelah kiri, pilih Kunci dan Titik Akhir. Anda akan menggunakan titik akhir dan kunci untuk permintaan API
Tip
Catat kunci dan titik akhir untuk sumber daya primer dan sekunder. Gunakan nilai-nilai ini untuk mengganti tempat penampung berikut: {PRIMARY-ENDPOINT}
,{PRIMARY-RESOURCE-KEY}
, {SECONDARY-ENDPOINT}
, dan {SECONDARY-RESOURCE-KEY}
.
Perhatikan juga nama proyek Anda, nama model Anda, dan nama penyebaran Anda. Gunakan nilai-nilai ini untuk mengganti tempat penampung berikut: {PROJECT-NAME}
,{MODEL-NAME}
, dan {DEPLOYMENT-NAME}
.
Mengekspor aset proyek utama Anda
Mulailah dengan mengekspor aset proyek dari proyek di sumber daya utama Anda.
Mengirim pekerjaan ekspor
Ganti tempat penampung dalam permintaan berikut dengan {PRIMARY-ENDPOINT}
dan {PRIMARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Buat permintaan POST menggunakan URL, header, dan isi JSON berikut untuk mengekspor proyek Anda.
Minta URL
Gunakan URL berikut saat membuat permintaan API Anda. Ganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:export?stringIndexType=Utf16CodeUnit&api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Tombol | Nilai |
---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. |
Setelah mengirim permintaan API, Anda akan menerima respons 202
yang menunjukkan keberhasilan. Di header respons, ekstrak nilai operation-location
. Nilai ini akan diformat seperti ini:
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}
JOB-ID
digunakan untuk mengidentifikasi permintaan Anda, karena operasi ini tidak asinkron. Gunakan URL ini untuk mendapatkan JSON proyek yang diekspor, menggunakan metode autentikasi yang sama.
Mendapatkan status pekerjaan ekspor
Ganti tempat penampung dalam permintaan berikut dengan {PRIMARY-ENDPOINT}
dan {PRIMARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Gunakan permintaan GET berikut untuk mengkueri status pekerjaan ekspor Anda. Anda dapat menggunakan URL yang Anda terima dari langkah sebelumnya, atau mengganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/export/jobs/{JOB-ID}?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Kunci | Deskripsi | Nilai |
---|---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. | {YOUR-PRIMARY-RESOURCE-KEY} |
Isi respons
{
"resultUrl": "{Endpoint}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/export/jobs/xxxxxx-xxxxx-xxxxx-xx/result?api-version={API-VERSION}",
"jobId": "xxxx-xxxxx-xxxxx-xxx",
"createdDateTime": "2022-04-18T15:23:07Z",
"lastUpdatedDateTime": "2022-04-18T15:23:08Z",
"expirationDateTime": "2022-04-25T15:23:07Z",
"status": "succeeded"
}
Gunakan url dari kunci resultUrl
dalam isi untuk melihat aset yang diekspor dari pekerjaan ini.
Mendapatkan hasil ekspor
Kirimkan permintaan GET menggunakan {RESULT-URL}
yang Anda terima dari langkah sebelumnya untuk melihat hasil pekerjaan ekspor.
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Kunci | Deskripsi | Nilai |
---|---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. | {PRIMARY-RESOURCE-KEY} |
Salin isi respons karena Anda akan menggunakannya sebagai isi untuk pekerjaan impor berikutnya.
Mengimpor ke proyek baru
Sekarang lanjutkan dan impor aset proyek yang diekspor di proyek baru Anda di wilayah sekunder sehingga Anda dapat membuat replikanya.
Mengirim pekerjaan impor
Ganti tempat penampung dalam permintaan berikut dengan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Kirim permintaan POST menggunakan URL, header, dan isi JSON berikut untuk mengimpor proyek Anda.
Minta URL
Gunakan URL berikut saat membuat permintaan API Anda. Ganti nilai tempat penampung dengan nilai Anda sendiri.
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Tombol | Nilai |
---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. |
Isi
Isi JSON yang Anda kirim mirip dengan contoh berikut. Lihat dokumentasi referensi untuk detail selengkapnya tentang objek JSON.
{
"projectFileVersion": "{API-VERSION}",
"stringIndexType": "Utf16CodeUnit",
"metadata": {
"projectKind": "Conversation",
"settings": {
"confidenceThreshold": 0.7
},
"projectName": "{PROJECT-NAME}",
"multilingual": true,
"description": "Trying out CLU",
"language": "{LANGUAGE-CODE}"
},
"assets": {
"projectKind": "Conversation",
"intents": [
{
"category": "intent1"
},
{
"category": "intent2"
}
],
"entities": [
{
"category": "entity1"
}
],
"utterances": [
{
"text": "text1",
"dataset": "{DATASET}",
"intent": "intent1",
"entities": [
{
"category": "entity1",
"offset": 5,
"length": 5
}
]
},
{
"text": "text2",
"language": "{LANGUAGE-CODE}",
"dataset": "{DATASET}",
"intent": "intent2",
"entities": []
}
]
}
}
Tombol | Placeholder | Nilai | Contoh |
---|---|---|---|
{API-VERSION} |
Versi API yang Anda panggil. | 2023-04-01 |
|
projectName |
{PROJECT-NAME} |
Nama proyek Anda. Nilai ini peka huruf besar/kecil. | EmailAppDemo |
language |
{LANGUAGE-CODE} |
String yang menentukan kode bahasa untuk ucapan yang digunakan dalam proyek Anda. Jika proyek Anda adalah proyek multibahasa, pilih kode bahasa dari sebagian besar ungkapan. | en-us |
multilingual |
true |
Nilai boolean yang memungkinkan Anda memiliki dokumen dalam beberapa bahasa dalam himpunan data Anda. Saat model Anda disebarkan, Anda dapat mengkueri model dalam bahasa apa pun yang didukung termasuk bahasa yang tidak disertakan dalam dokumen pelatihan Anda. | true |
dataset |
{DATASET} |
Lihat cara melatih model untuk informasi tentang pemisahan data Anda antara set pengujian dan pelatihan. Nilai yang mungkin untuk bidang ini adalah Train dan Test . |
Train |
Setelah permintaan berhasil, respons API akan berisi operation-location
header dengan URL yang dapat Anda gunakan untuk memeriksa status pekerjaan impor. Ini diformat seperti ini:
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}
Mendapatkan status pekerjaan impor
Ganti tempat penampung dalam permintaan berikut dengan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Saat Anda mengirim permintaan impor proyek yang berhasil, URL permintaan lengkap untuk memeriksa status pekerjaan impor (termasuk titik akhir, nama proyek, dan ID pekerjaan Anda) terkandung dalam header respons operation-location
.
Gunakan permintaan GET berikut untuk mengkueri status pekerjaan impor Anda. Anda dapat menggunakan URL yang Anda terima dari langkah sebelumnya, atau mengganti nilai tempat penampung dengan nilai Anda sendiri.
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Kunci | Deskripsi | Nilai |
---|---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. | {YOUR-PRIMARY-RESOURCE-KEY} |
Isi respons
Setelah mengirim permintaan, Anda akan mendapatkan respons berikut. Pertahankan polling titik akhir ini sampai parameter status berubah menjadi "berhasil".
{
"jobId": "xxxxx-xxxxx-xxxx-xxxxx",
"createdDateTime": "2022-04-18T15:17:20Z",
"lastUpdatedDateTime": "2022-04-18T15:17:22Z",
"expirationDateTime": "2022-04-25T15:17:20Z",
"status": "succeeded"
}
Melatih model
Setelah mengimpor proyek, Anda hanya menyalin aset dan metadata proyek. Anda masih perlu melatih model, yang akan dikenai penggunaan di akun Anda.
Mengirim pekerjaan pelatihan
Ganti tempat penampung dalam permintaan berikut dengan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Buat permintaan POST menggunakan URL, header, dan isi JSON berikut untuk mengirimkan tugas pelatihan.
Minta URL
Gunakan URL berikut saat membuat permintaan API Anda. Ganti nilai tempat penampung dengan nilai Anda sendiri.
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Tombol | Nilai |
---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. |
Isi permintaan
Gunakan objek berikut dalam permintaan Anda. Model akan diberi nama sesuai nilai yang Anda gunakan untuk modelLabel
parameter setelah pelatihan selesai.
{
"modelLabel": "{MODEL-NAME}",
"trainingMode": "{TRAINING-MODE}",
"trainingConfigVersion": "{CONFIG-VERSION}",
"evaluationOptions": {
"kind": "percentage",
"testingSplitPercentage": 20,
"trainingSplitPercentage": 80
}
}
Tombol | Placeholder | Nilai | Contoh |
---|---|---|---|
modelLabel |
{MODEL-NAME} |
Nama Model Anda. | Model1 |
trainingConfigVersion |
{CONFIG-VERSION} |
Versi model konfigurasi pelatihan. Secara default, versi model terbaru digunakan. | 2022-05-01 |
trainingMode |
{TRAINING-MODE} |
Mode pelatihan yang akan digunakan untuk pelatihan. Mode yang didukung adalah Pelatihan standar, pelatihan yang lebih cepat, tetapi hanya tersedia untuk Bahasa Inggris dan Pelatihan tingkat lanjut yang didukung untuk bahasa lain dan proyek multibahasa, tetapi memerlukan waktu pelatihan yang lebih lama. Pelajari selengkapnya tentang mode pelatihan. | standard |
kind |
percentage |
Memisahkan metode. Kemungkinan Nilainya adalah percentage atau manual . Lihat cara melatih model untuk informasi selengkapnya. |
percentage |
trainingSplitPercentage |
80 |
Persentase data Anda yang diberi tag untuk disertakan dalam set pelatihan. Nilai yang disarankan adalah 80 . |
80 |
testingSplitPercentage |
20 |
Persentase data Anda yang diberi tag untuk disertakan dalam set pengujian. Nilai yang disarankan adalah 20 . |
20 |
Catatan
trainingSplitPercentage
dan testingSplitPercentage
hanya diperlukan jika Kind
diatur ke percentage
dan jumlah kedua persentase harus sama dengan 100.
Setelah mengirim permintaan API, Anda akan menerima respons 202
yang menunjukkan keberhasilan. Di header respons, ekstrak nilai operation-location
. Nilai ini akan diformat seperti ini:
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
Anda dapat menggunakan URL ini untuk mendapatkan status pekerjaan pelatihan.
Dapatkan Status Pelatihan
Ganti tempat penampung dalam permintaan berikut dengan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Saat Anda mengirim permintaan pelatihan yang berhasil, URL permintaan lengkap untuk memeriksa status pekerjaan (termasuk titik akhir, nama proyek, dan ID pekerjaan Anda) terkandung dalam header respons operation-location
.
Gunakan permintaan GET berikut untuk mendapatkan status kemajuan pelatihan model Anda. Ganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.
Minta URL
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Tombol | Nilai |
---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. |
Isi Respons
Setelah mengirim permintaan, Anda akan mendapatkan respons berikut. Pertahankan polling titik akhir ini sampai parameter status berubah menjadi "berhasil".
{
"result": {
"modelLabel": "{MODEL-LABEL}",
"trainingConfigVersion": "{TRAINING-CONFIG-VERSION}",
"trainingMode": "{TRAINING-MODE}",
"estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
"trainingStatus": {
"percentComplete": 3,
"startDateTime": "2022-04-18T15:45:06.8190649Z",
"status": "running"
},
"evaluationStatus": {
"percentComplete": 0,
"status": "notStarted"
}
},
"jobId": "xxxxx-xxxxx-xxxx-xxxxx-xxxx",
"createdDateTime": "2022-04-18T15:44:44Z",
"lastUpdatedDateTime": "2022-04-18T15:45:48Z",
"expirationDateTime": "2022-04-25T15:44:44Z",
"status": "running"
}
Tombol | Nilai | Contoh |
---|---|---|
modelLabel |
Nama model | Model1 |
trainingConfigVersion |
Versi konfigurasi pelatihan. Secara default, versi terbaru digunakan. | 2022-05-01 |
trainingMode |
Mode pelatihan yang Anda pilih. | standard |
startDateTime |
Waktu pelatihan dimulai | 2022-04-14T10:23:04.2598544Z |
status |
Status pekerjaan pelatihan | running |
estimatedEndDateTime |
Perkiraan waktu untuk menyelesaikan pekerjaan pelatihan | 2022-04-14T10:29:38.2598544Z |
jobId |
ID pekerjaan pelatihan Anda | xxxxx-xxxx-xxxx-xxxx-xxxxxxxxx |
createdDateTime |
Tanggal dan waktu pembuatan pekerjaan pelatihan | 2022-04-14T10:22:42Z |
lastUpdatedDateTime |
Tanggal dan waktu pekerjaan pelatihan yang terakhir diperbarui | 2022-04-14T10:23:45Z |
expirationDateTime |
Tanggal dan waktu kedaluwarsa pekerjaan pelatihan | 2022-04-14T10:22:42Z |
Sebarkan model anda
Ini adalah langkah di mana Anda membuat model terlatih agar tersedia untuk penggunaan melalui API prediksi runtime.
Tip
Gunakan nama penyebaran yang sama dengan proyek utama Anda agar pemeliharaan menjadi lebih mudah dan perubahan minimal pada sistem Anda untuk menangani pengalihan lalu lintas Anda.
Mengirimkan pekerjaan penyebaran
Ganti tempat penampung dalam permintaan berikut dengan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Buat permintaan PUT menggunakan URL, header, dan isi JSON berikut untuk mulai menyebarkan model pemahaman bahasa percakapan.
Minta URL
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Tombol | Nilai |
---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. |
Isi Permintaan
{
"trainedModelLabel": "{MODEL-NAME}",
}
Tombol | Placeholder | Nilai | Contoh |
---|---|---|---|
trainedModelLabel | {MODEL-NAME} |
Nama model yang akan ditetapkan ke penyebaran Anda. Anda hanya dapat menetapkan model yang berhasil dilatih. Nilai ini peka huruf besar/kecil. | myModel |
Setelah mengirim permintaan API, Anda akan menerima respons 202
yang menunjukkan keberhasilan. Di header respons, ekstrak nilai operation-location
. Nilai ini akan diformat seperti ini:
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}
Anda dapat menggunakan URL ini untuk mendapatkan status pekerjaan penyebaran.
Dapatkan status penyebaran
Ganti tempat penampung dalam permintaan berikut dengan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
yang Anda peroleh di langkah pertama.
Saat Anda mengirim permintaan penyebaran yang berhasil, URL permintaan lengkap untuk memeriksa status pekerjaan (termasuk titik akhir, nama proyek, dan ID pekerjaan Anda) terkandung dalam header respons operation-location
.
Gunakan permintaan GET berikut untuk mendapatkan status dari pekerjaan penyebaran Anda. Ganti nilai tempat penampung dengan nilai Anda sendiri.
Minta URL
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Tombol | Nilai |
---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. |
Isi Respons
Setelah mengirim permintaan, Anda akan mendapatkan respons berikut. Pertahankan polling titik akhir ini sampai parameter status berubah menjadi "berhasil".
{
"jobId":"{JOB-ID}",
"createdDateTime":"{CREATED-TIME}",
"lastUpdatedDateTime":"{UPDATED-TIME}",
"expirationDateTime":"{EXPIRATION-TIME}",
"status":"running"
}
Perubahan dalam memanggil runtime
Di dalam sistem Anda, pada langkah saat Anda memanggil API runtime, periksa kode respons yang ditampilkan dari API tugas pengiriman. Jika Anda mengamati kegagalan yang konsisten dalam pengiriman permintaan, ini dapat mengindikasikan pemadaman di wilayah utama Anda. Kegagalan sekali tidak berarti pemadaman, ini mungkin hanya masalah sementara. Coba kirimkan lagi pekerjaan melalui sumber daya sekunder yang telah Anda buat. Untuk permintaan kedua, gunakan kunci {YOUR-SECONDARY-ENDPOINT}
dan sekunder, jika Anda telah mengikuti langkah-langkah di atas, {PROJECT-NAME}
dan {DEPLOYMENT-NAME}
akan sama sehingga tidak ada perubahan yang diperlukan pada isi permintaan.
Jika kembali menggunakan sumber daya sekunder, Anda akan merasakan sedikit peningkatan latensi karena perbedaan di wilayah tempat model Anda disebarkan.
Memeriksa jika proyek Anda tidak sinkron
Menjaga sinkronisasi kedua proyek adalah bagian penting dari proses. Anda harus sering memeriksa apakah ada pembaruan yang dibuat untuk proyek utama sehingga Anda memindahkannya ke proyek sekunder. Dengan cara ini, jika wilayah utama gagal dan Anda berpindah ke wilayah sekunder, Anda bisa mengharapkan performa model serupa karena sudah berisi pembaruan terbaru. Mengatur frekuensi pemeriksaan apakah proyek Anda sinkron adalah pilihan penting, sebaiknya Anda melakukan pemeriksaan ini setiap hari untuk menjamin sinkronisasi data dalam model sekunder Anda.
Mendapatkan detail proyek
Gunakan url berikut untuk mendapatkan detail proyek Anda, salah satu kunci yang dikembalikan dalam isi menunjukkan tanggal terakhir proyek yang dimodifikasi. Ulangi langkah berikut dua kali, satu untuk proyek utama Anda dan satu lagi untuk proyek sekunder Anda, dan bandingkan stempel waktu yang dikembalikan untuk keduanya guna memeriksa apakah keduanya tidak sinkron.
Gunakan permintaan GET berikut untuk mendapatkan detail proyek Anda. Anda dapat menggunakan URL yang Anda terima dari langkah sebelumnya, atau mengganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}
Header
Gunakan header berikut untuk mengautentikasi permintaan Anda.
Kunci | Deskripsi | Nilai |
---|---|---|
Ocp-Apim-Subscription-Key |
Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda. | {YOUR-PRIMARY-RESOURCE-KEY} |
Isi respons
{
"createdDateTime": "2022-04-18T13:53:03Z",
"lastModifiedDateTime": "2022-04-18T13:53:03Z",
"lastTrainedDateTime": "2022-04-18T14:14:28Z",
"lastDeployedDateTime": "2022-04-18T14:49:01Z",
"projectKind": "Conversation",
"projectName": "{PROJECT-NAME}",
"multilingual": true,
"description": "This is a sample conversation project.",
"language": "{LANGUAGE-CODE}"
}
Ulangi langkah yang sama untuk proyek yang dibuat replikanya menggunakan {SECONDARY-ENDPOINT}
dan {SECONDARY-RESOURCE-KEY}
. Bandingkan lastModifiedDateTime
yang ditampilkan dari kedua proyek tersebut. Jika proyek utama Anda diubah lebih cepat daripada proyek sekunder, Anda perlu mengulangi langkah-langkah mengekspor, mengimpor, pelatihan, dan menyebarkan model Anda.
Langkah berikutnya
Pada artikel ini, Anda telah mempelajari cara menggunakan API ekspor dan impor untuk membuat replika proyek Anda ke sumber daya Bahasa sekunder di wilayah lain. Selanjutnya, jelajahi dokumen referensi API untuk melihat apa lagi yang dapat Anda lakukan dengan API penulisan.