Gestire un'area di lavoro di Azure Machine Learning

Nota

Per informazioni sulla gestione dei servizi Web nel portale dei servizi Web di Machine Learning, vedere Gestire un servizio Web usando il portale dei servizi Web di Azure Machine Learning.

È possibile gestire le aree di lavoro di Machine Learning nel portale di Azure o nel portale di Azure classico.

Nota

Prova gratuita di Azure Machine Learning

Non è necessaria una carta di credito o una sottoscrizione di Azure. Per iniziare >.

Usare il portale di Azure

Per gestire un'area di lavoro nel portale di Azure:

  1. Accedere al portale di Azure usando un account amministratore della sottoscrizione di Azure.
  2. Nella casella di ricerca nella parte superiore della pagina immettere "aree di lavoro di Machine Learning" e quindi selezionare Aree di lavoro di Machine Learning.
  3. Fare clic sull'area di lavoro da gestire.

Oltre alle informazioni e alle opzioni di gestione delle risorse standard disponibili, viene offerta la possibilità di effettuare le operazioni seguenti.

  • Visualizzare Proprietà: questa pagina visualizza informazioni relative all'area di lavoro e alle risorse e consente di modificare la sottoscrizione e il gruppo di risorse a cui è connessa l'area di lavoro.
  • Risincronizzare le chiavi di archiviazione: l'area di lavoro mantiene le chiavi per l'account di archiviazione. Se le chiavi vengono modificate nell'account di archiviazione, è possibile fare clic su Risincronizza le chiavi per sincronizzarle con l'area di lavoro.

Per gestire i servizi Web associati all'area di lavoro, usare il portale dei servizi Web di Machine Learning. Per informazioni complete, vedere Gestire un servizio Web usando il portale dei servizi Web di Azure Machine Learning.

Nota

Per distribuire o gestire nuovi servizi Web è necessario che all'utente sia assegnato un ruolo di collaboratore o di amministratore nella sottoscrizione in cui viene distribuito il servizio Web. Se si invita un altro utente in un'area di lavoro di Machine Learning, affinché possa distribuire o gestire servizi Web è prima necessario assegnargli un ruolo di collaboratore o di amministratore nella sottoscrizione.

Per altre informazioni sull'impostazione delle autorizzazioni di accesso, vedere Visualizzare le assegnazioni di accesso per utenti e gruppi nel Portale di Azure - Anteprima pubblica.

Usare il portale di Azure classico

Tramite il portale di Azure classico è possibile gestire le aree di lavoro di Machine Learning per:

  • Monitorare la modalità d'uso dell'area di lavoro.
  • Configurare l'area di lavoro per consentire o negare l'accesso.
  • Gestire i servizi Web creati nell'area di lavoro
  • Eliminare l'area di lavoro.

Nella scheda Dashboard viene inoltre fornita una panoramica dell'utilizzo dell'area di lavoro e un riepilogo rapido delle informazioni relative all'area di lavoro.

Suggerimento

Nella scheda WEB SERVICES (SERVIZI WEB) di Azure Machine Learning Studio è possibile aggiungere, aggiornare o eliminare un servizio Web di Machine Learning.

Per gestire un'area di lavoro nel portale di Azure classico:

  1. Accedere al portale di Azure classico usando l'account di Microsoft Azure associato alla sottoscrizione di Azure.
  2. Nel riquadro dei servizi di Microsoft Azure fare clic su MACHINE LEARNING.
  3. Fare clic sull'area di lavoro da gestire.

La pagina dell'area di lavoro contiene tre schede:

  • DASHBOARD : permette di visualizzare i dati di utilizzo e le informazioni sull'area di lavoro.
  • CONFIGURE : permette di gestire l'accesso all'area di lavoro.
  • WEB SERVICES (SERVIZI WEB): permette di gestire i servizi Web pubblicati da questa area di lavoro.

Per monitorare la modalità d'uso dell'area di lavoro

Fare clic sulla scheda DASHBOARD .

Dal dashboard è possibile visualizzare l'utilizzo complessivo dell'area di lavoro e ottenere un riepilogo rapido delle informazioni dell'area di lavoro.

  • Il grafico COMPUTE mostra le risorse di calcolo in uso nell'area di lavoro. È possibile modificare la visualizzazione per mostrare i valori relativi o assoluti, nonché cambiare l'intervallo di tempo visualizzato nel grafico.
  • Usage overview mostra l'archiviazione di Azure attualmente in uso nell'area di lavoro.
  • Quick glance visualizza un riepilogo delle informazioni dell'area di lavoro e collegamenti utili.
Nota

Il link all’ Accesso a ML Studio consente di aprire Machine Learning Studio usando l'account Microsoft con cui è stato eseguito l'accesso. L'account Microsoft usato per accedere al portale di Azure classico per creare un'area di lavoro non è automaticamente autorizzato ad aprire tale area di lavoro. Per aprire un'area di lavoro, è necessario essere connessi con l'account Microsoft definito come proprietario dell'area di lavoro oppure ricevere un invito dal proprietario per partecipare all'area di lavoro.

Per concedere o sospendere l'accesso agli utenti

Fare clic sulla scheda CONFIGURE .

Dalla scheda di configurazione è possibile:

  • Sospendere l'accesso all'area di lavoro di Machine Learning facendo clic su DENY. Gli utenti non saranno più in grado di aprire l'area di lavoro in Machine Learning Studio. Per ripristinare l'accesso, fare clic su ALLOW.

Per gestire account aggiuntivi che hanno accesso all'area di lavoro in Machine Learning Studio, fare clic su Accedi a ML Studio nella scheda DASHBOARD (vedere la nota precedente relativa al comando Accedi a ML Studio). Verrà aperta l'area di lavoro in Machine Learning Studio. A questo punto, fare clic sulla scheda SETTINGS (IMPOSTAZIONI) e quindi su USERS (UTENTI). È possibile fare clic su INVITE MORE USERS (INVITA ALTRI UTENTI) per concedere agli utenti l'accesso all'area di lavoro oppure selezionare un utente e fare clic su REMOVE (RIMUOVI).

Per gestire i servizi Web in questa area di lavoro

Fare clic sulla scheda WEB SERVICES .

Verrà visualizzato un elenco di servizi Web pubblicati da questa area di lavoro. Per gestire un servizio Web, fare clic sul nome nell'elenco per aprire la pagina corrispondente.

Per un servizio Web possono essere definiti uno o più endpoint.

  • È possibile definire altri endpoint oltre a quelli di "Default". Per aggiungere l'endpoint, fare clic su Manage Endpoints (Gestisci endpoint) nella parte inferiore del dashboard per aprire il portale dei servizi Web di Azure Machine Learning.
  • Per eliminare un endpoint, escluso l'endpoint "Default" che non può essere eliminato, fare clic nella casella di controllo all'inizio della riga dell'endpoint e quindi su DELETE (ELIMINA). L'endpoint verrà rimosso dal servizio Web.

    Nota

    Se in un'applicazione è in uso l'endpoint di servizio Web quando questo viene eliminato, al successivo tentativo di accesso al servizio da parte dell'applicazione verrà visualizzato un errore .

Fare clic sul nome di un endpoint di servizio Web per aprirlo.

Nel dashboard è possibile visualizzare l'utilizzo complessivo del servizio Web in un periodo di tempo. È possibile selezionare il periodo da visualizzare dal menu a discesa Periodo in alto a destra dei grafici di utilizzo. Il dashboard visualizza le informazioni seguenti:

  • Requests Over Time (Richieste nel tempo) visualizza un grafico con il numero di richieste nel periodo di tempo selezionato. Può aiutare a identificare se si verificano picchi di utilizzo.
  • Request-Response Requests (Richieste richiesta-risposta) visualizza il numero totale di chiamate di richiesta-risposta ricevute dal servizio nel periodo di tempo selezionato e il numero di richieste con errore.
  • Average Request-Response Compute Time (Tempo medio di calcolo richiesta-risposta) visualizza una media del tempo necessario per eseguire le richieste ricevute.
  • Batch Requests (Richieste batch) visualizza il numero totale di richieste batch ricevute dal servizio nel periodo di tempo selezionato e il numero di richieste con errore.
  • Average Job Latency (Latenza processo media) visualizza una media del tempo necessario per eseguire le richieste ricevute.
  • Errors (Errori) visualizza il numero complessivo di errori che si sono verificati nelle chiamate al servizio Web.
  • Services Costs (Costi servizi) visualizza le spese per il piano di fatturazione associato al servizio.

Dalla pagina di configurazione è possibile aggiornare le proprietà seguenti:

  • Description (Descrizione) consente di immettere una descrizione per il servizio Web. La descrizione è un campo obbligatorio.
  • Logging (Registrazione) consente di abilitare o disabilitare la registrazione nell'endpoint. Per altre informazioni sulla registrazione, vedere Abilitare la registrazione per i servizi Web di Machine Learning.
  • Enable Sample data (Abilita dati di esempio) consente di fornire dati di esempio che è possibile usare per testare il servizio di richiesta-risposta. Se il servizio Web è stato creato in Machine Learning Studio, i dati di esempio vengono prelevati dai dati usati per il training del modello. Se il servizio è stato creato a livello di codice, i dati vengono ricavati dai dati di esempio forniti come parte del pacchetto JSON.