Share via

Execute R Script-modules migreren in ML-studio (klassiek)

  • Artikel

Belangrijk

Ondersteuning voor Azure Machine Learning Studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden op die datum over te stappen naar Azure Machine Learning .

Vanaf 1 december 2021 kunt u geen nieuwe Machine Learning Studio-resources (klassiek) maken (werkruimte- en webserviceplan). Tot en met 31 augustus 2024 kunt u de bestaande Experimenten en webservices van Machine Learning Studio (klassiek) blijven gebruiken. Zie voor meer informatie:

Machine Learning Studio -documentatie (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet bijgewerkt.

In dit artikel leert u hoe u een Studio (klassiek) Execute R Script-module bouwt in Azure Machine Learning.

Zie het artikel over migratieoverzicht voor meer informatie over het migreren vanuit Studio (klassiek).

R-Script uitvoeren

Azure Machine Learning Designer wordt nu uitgevoerd op Linux. Studio (klassiek) wordt uitgevoerd in Windows. Als gevolg van de platformwijziging moet u uw Execute R Script aanpassen tijdens de migratie, anders mislukt de pijplijn.

Als u een Execute R Script-module wilt migreren vanuit Studio (klassiek), moet u de maml.mapInputPort en maml.mapOutputPortinterfaces vervangen door standaardfuncties.

De volgende tabel bevat een overzicht van de wijzigingen in de R Script-module:

Functie Studio (klassiek) Azure Machine Learning-ontwerpprogramma
Scriptinterface maml.mapInputPort en maml.mapOutputPort Functie-interface
Platform Windows Linux
Internet toegankelijk Nr. Ja
Geheugen 14 GB Afhankelijk van de compute-SKU

De R-scriptinterface bijwerken

Hier volgt de inhoud van een voorbeeldmodule Uitvoeren R-script in Studio (klassiek):

# Map 1-based optional input ports to variables 
dataset1 <- maml.mapInputPort(1) # class: data.frame 
dataset2 <- maml.mapInputPort(2) # class: data.frame 

# Contents of optional Zip port are in ./src/ 
# source("src/yourfile.R"); 
# load("src/yourData.rdata"); 

# Sample operation 
data.set = rbind(dataset1, dataset2); 

 
# You'll see this output in the R Device port. 
# It'll have your stdout, stderr and PNG graphics device(s). 

plot(data.set); 

# Select data.frame to be sent to the output Dataset port 
maml.mapOutputPort("data.set");

Dit zijn de bijgewerkte inhoud in de ontwerpfunctie. U ziet dat de maml.mapInputPort en maml.mapOutputPort zijn vervangen door de standaardfunctieinterface azureml_main.

azureml_main <- function(dataframe1, dataframe2){ 
    # Use the parameters dataframe1 and dataframe2 directly 
    dataset1 <- dataframe1 
    dataset2 <- dataframe2 

    # Contents of optional Zip port are in ./src/ 
    # source("src/yourfile.R"); 
    # load("src/yourData.rdata"); 

    # Sample operation 
    data.set = rbind(dataset1, dataset2); 


    # You'll see this output in the R Device port. 
    # It'll have your stdout, stderr and PNG graphics device(s). 
    plot(data.set); 

  # Return datasets as a Named List 

  return(list(dataset1=data.set)) 
}

Zie de naslaginformatie over de execute R Script-module van de ontwerper voor meer informatie.

R-pakketten installeren vanaf internet

Met Azure Machine Learning Designer kunt u pakketten rechtstreeks vanuit CRAN installeren.

Dit is een verbetering ten opzichte van Studio (klassiek). Omdat Studio (klassiek) wordt uitgevoerd in een sandbox-omgeving zonder internettoegang, moest u scripts in een zip-bundel uploaden om meer pakketten te installeren.

Gebruik de volgende code om CRAN-pakketten te installeren in de module Execute R Script van de ontwerper:

  if(!require(zoo)) { 
      install.packages("zoo",repos = "http://cran.us.r-project.org") 
  } 
  library(zoo)

Volgende stappen

In dit artikel hebt u geleerd hoe u Execute R Script-modules migreert naar Azure Machine Learning.

Zie de andere artikelen in de studiomigratiereeks (klassiek):

  1. Overzicht van migratie.
  2. Gegevensset migreren.
  3. Bouw een trainingspijplijn (klassiek) van Studio opnieuw.
  4. Bouw een Studio-webservice (klassiek) opnieuw op.
  5. Integreer een Machine Learning-webservice met client-apps.
  6. Execute R Script-modules migreren.