Bagikan melalui

Pembelajaran Mesin Microsoft Azure sebagai sumber Azure Event Grid

  • Artikel

Artikel ini menjelaskan properti dan skema untuk kejadian ruang kerja pembelajaran mesin. Untuk pengantar skema peristiwa, lihat Skema peristiwa Azure Event Grid.

Tipe kejadian yang tersedia

Pembelajaran Mesin Microsoft Azure akan mengeluarkan jenis kejadian berikut:

Jenis peristiwa Deskripsi
Microsoft.MachineLearningServices.ModelRegistered Muncul ketika Model atau versi Model baru telah berhasil didaftarkan.
Microsoft.MachineLearningServices.ModelDeployed Muncul saat Model berhasil disebarkan ke Titik akhir.
Microsoft.MachineLearningServices.RunCompleted Muncul saat Proses berhasil diselesaikan.
Microsoft.MachineLearningServices.DatasetDriftDetected Muncul saat monitor penyimpangan Himpunan Data mendeteksi penyimpangan.
Microsoft.MachineLearningServices.RunStatusChanged Muncul saat status proses berubah.

Contoh kejadian

Lalu, ketika suatu kejadian dipicu, layanan Event Grid akan mengirim data tentang kejadian itu ke titik akhir. Bagian ini berisi contoh tampilan data tersebut untuk setiap kejadian.

Kejadian 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"
}]

Kejadian 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"
}]

Kejadian 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"
}]

Kejadian 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"
}]

Kejadian 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"
}]

Properti kejadian

Sebuah peristiwa memiliki data tingkat atas berikut ini:

Properti Tipe Deskripsi
source string Jalur sumber daya lengkap ke sumber kejadian. Bidang ini tidak dapat ditulis. Event Grid memberikan nilai ini.
subject string Jalur yang ditentukan penerbit ke subjek kejadian.
type string Salah satu jenis kejadian terdaftar untuk sumber kejadian ini.
time string Waktu peristiwa dibuat berdasarkan waktu UTC penyedia.
id string Pengidentifikasi unik untuk peristiwa tersebut.
data object Data peristiwa penyimpanan blob.
specversion string Versi spesifikasi skema CloudEvents.

Objek data memiliki properti berikut untuk setiap jenis kejadian:

Microsoft.MachineLearningServices.ModelRegistered

Properti Tipe Deskripsi
ModelName string Nama model yang didaftarkan.
ModelVersion string Versi model yang didaftarkan.
ModelTags object Tag model yang didaftarkan.
ModelProperties object Properti model yang didaftarkan.

Microsoft.MachineLearningServices.ModelDeployed

Properti Tipe Deskripsi
ServiceName string Nama layanan yang digunakan.
ServiceComputeType string Jenis komputasi (misalnya, ACI, AKS) dari layanan yang diterapkan.
ModelIds string Daftar ID model yang dipisahkan koma. ID model yang digunakan dalam layanan.
ServiceTags object Tag dari layanan yang diterapkan.
ServiceProperties object Properti dari layanan yang diterapkan.

Microsoft.MachineLearningServices.RunCompleted

Properti Tipe Deskripsi
experimentId string ID eksperimen tempat menjalankan.
experimentName string Nama eksperimen tempat menjalankan.
runId string ID Proses yang telah selesai.
runType string Jenis Proses dari Proses yang telah selesai.
runTags object Jenis tag dari Proses yang telah selesai.
runProperties object Properti dari Proses yang telah selesai.

Microsoft.MachineLearningServices.DatasetDriftDetected

Properti Tipe Deskripsi
DataDriftId string ID monitor penyimpangan data yang memicu kejadian tersebut.
DataDriftName string Nama monitor penyimpangan data yang memicu kejadian tersebut.
RunId string ID Proses yang mendeteksi penyimpangan data.
BaseDatasetId string ID Himpunan data base yang digunakan untuk mendeteksi penyimpangan.
TargetDatasetId string ID Himpunan data target yang digunakan untuk mendeteksi penyimpangan.
DriftCoefficient ganda Hasil koefisien yang memicu kejadian tersebut.
StartTime datetime Waktu mulai rangkaian waktu himpunan data target yang menghasilkan deteksi penyimpangan.
EndTime datetime Waktu berakhir rangkaian waktu himpunan data target yang menghasilkan deteksi penyimpangan.

Microsoft.MachineLearningServices.RunStatusChanged

Properti Tipe Deskripsi
experimentId string ID eksperimen tempat menjalankan.
experimentName string Nama eksperimen tempat menjalankan.
runId string ID Proses yang telah selesai.
runType string Jenis Proses dari Proses yang telah selesai.
runTags object Jenis tag dari Proses yang telah selesai.
runProperties object Properti dari Proses yang telah selesai.
runStatus string Status Proses.

Tutorial dan cara kerja

Judul Deskripsi
Menggunakan kejadian Pembelajaran Mesin Microsoft Azure Gambaran umum tentang mengintegrasikan Pembelajaran Mesin Microsoft Azure dengan Azure Event Grid.

Langkah berikutnya