Wdrażanie usługi sieci Web Azure Machine Learning Studio (klasycznej)Deploy an Azure Machine Learning Studio (classic) web service

dotyczy:  Jest to znacznik wyboru, co oznacza, że ten artykuł ma zastosowanie do Machine Learning Studio (klasyczne). Machine Learning Studio (klasyczny)  to jest X, co oznacza, że ten artykuł ma zastosowanie do Azure Machine Learning . Azure Machine Learning APPLIES TO: This is a check mark, which means that this article applies to Machine Learning Studio (classic).Machine Learning Studio (classic) This is an X, which means that this article applies to Azure Machine Learning.Azure Machine Learning

Azure Machine Learning Studio (klasyczny) umożliwia tworzenie i testowanie rozwiązań analitycznych predykcyjnych.Azure Machine Learning Studio (classic) enables you to build and test a predictive analytic solution. Następnie możesz wdrożyć rozwiązanie jako usługę sieci Web.Then you can deploy the solution as a web service.

Machine Learning Studio (klasyczne) usługi sieci Web zapewniają interfejs między aplikacją a modelem oceniania przepływu pracy Machine Learning Studio (klasycznym).Machine Learning Studio (classic) web services provide an interface between an application and a Machine Learning Studio (classic) workflow scoring model. Aplikacja zewnętrzna może komunikować się z modelem oceniania przepływu pracy Machine Learning Studio (klasyczny) w czasie rzeczywistym.An external application can communicate with a Machine Learning Studio (classic) workflow scoring model in real time. Wywołanie usługi sieci Web Machine Learning Studio (klasycznej) zwraca wyniki prognozowania do aplikacji zewnętrznej.A call to a Machine Learning Studio (classic) web service returns prediction results to an external application. Wywołanie usługi sieci Web polega na przekazaniu klucza interfejsu API utworzonego podczas wdrażania tej usługi.To make a call to a web service, you pass an API key that was created when you deployed the web service. Machine Learning Studio (klasyczny) usługa sieci Web jest oparta na architekturze REST, popularnej architektury dla projektów programowania w sieci Web.A Machine Learning Studio (classic) web service is based on REST, a popular architecture choice for web programming projects.

Azure Machine Learning Studio (klasyczny) ma dwa typy usług sieci Web:Azure Machine Learning Studio (classic) has two types of web services:

  • Request-Response Service (RR): małe opóźnienia i wysoce skalowalna usługa, która ocenia pojedynczy rekord danych.Request-Response Service (RRS): A low latency, highly scalable service that scores a single data record.
  • Usługa wykonywania wsadowego (BES): asynchroniczna usługa służąca do oceniania partii rekordów danych.Batch Execution Service (BES): An asynchronous service that scores a batch of data records.

Dane wejściowe dla usługi BES przypominają dane wejściowe używane przez usługę RRS.The input for BES is like data input that RRS uses. Główna różnica polega na tym, że usługa BES odczytuje blok rekordów z różnych źródeł, takich jak usługa Azure Blob Storage, usługa Azure Table Storage, usługa Azure SQL Database, usługa HDInsight (zapytanie Hive) i źródła HTTP.The main difference is that BES reads a block of records from a variety of sources, such as Azure Blob storage, Azure Table storage, Azure SQL Database, HDInsight (hive query), and HTTP sources.

Z punktu widzenia wysokiego poziomu można wdrożyć model w trzech krokach:From a high-level point-of-view, you deploy your model in three steps:

  • [Twórz eksperymenty szkoleniowe] — w programie Studio (klasyczne) można uczenie i testowanie modelu analizy predykcyjnej przy użyciu danych szkoleniowych dostarczanych przez użytkownika przy użyciu dużego zestawu wbudowanych algorytmów uczenia maszynowego.Create a training experiment - In Studio (classic), you can train and test a predictive analytics model using training data that you supply, using a large set of built-in machine learning algorithms.
  • Przekonwertuj ją na eksperyment predykcyjny — po przeszkoleniu modelu z istniejącymi danymi i przygotowaniu się do korzystania z niego do oceny nowych danych możesz przygotować i usprawnić eksperymenty do prognoz.Convert it to a predictive experiment - Once your model has been trained with existing data and you're ready to use it to score new data, you prepare and streamline your experiment for predictions.
  • Wdrażanie go jako [nowej usługi sieci] Web lub [klasycznej usługi sieci Web] — w przypadku wdrożenia eksperymentu predykcyjnego jako usługi sieci Web platformy Azure użytkownicy mogą wysyłać dane do modelu i odbierać przewidywania modeli.Deploy it as a New web service or a Classic web service - When you deploy your predictive experiment as an Azure web service, users can send data to your model and receive your model's predictions.

Tworzenie eksperymentu szkoleniowegoCreate a training experiment

Aby przeprowadzić uczenie modelu analizy predykcyjnej, należy użyć Azure Machine Learning Studio (klasyczny) do utworzenia eksperymentu szkoleniowego, w którym można uwzględnić różne moduły do ładowania danych szkoleniowych, przygotować dane w razie potrzeby, zastosować algorytmy uczenia maszynowego i oszacować wyniki.To train a predictive analytics model, you use Azure Machine Learning Studio (classic) to create a training experiment where you include various modules to load training data, prepare the data as necessary, apply machine learning algorithms, and evaluate the results. Możesz wykonywać iterację eksperymentu i próbować użyć różnych algorytmów uczenia maszynowego, aby porównać i oszacować wyniki.You can iterate on an experiment and try different machine learning algorithms to compare and evaluate the results.

Proces tworzenia eksperymentów szkoleniowych i zarządzania nimi został szczegółowo omówiony w innym miejscu.The process of creating and managing training experiments is covered more thoroughly elsewhere. Więcej informacji można znaleźć w następujących artykułach:For more information, see these articles:

Konwertowanie eksperymentu trenowania w eksperyment predykcyjnyConvert the training experiment to a predictive experiment

Po przeszkoleniu modelu możesz rozpocząć konwersję eksperymentu szkoleniowego na eksperyment predykcyjny, który będzie oceniać nowe dane.Once you've trained your model, you're ready to convert your training experiment into a predictive experiment to score new data.

Dzięki konwersji na eksperyment predykcyjny jest gotowy do wdrożenia przeszkolony model jako usługa sieci Web oceniania.By converting to a predictive experiment, you're getting your trained model ready to be deployed as a scoring web service. Użytkownicy usługi sieci Web mogą wysyłać dane wejściowe do modelu, a Twój model wyśle wyniki przewidywania.Users of the web service can send input data to your model and your model will send back the prediction results. Podczas konwertowania na eksperyment predykcyjny należy pamiętać o tym, jak oczekujemy, że model ma być używany przez inne osoby.As you convert to a predictive experiment, keep in mind how you expect your model to be used by others.

Proces konwersji eksperymentu szkoleniowego na eksperyment predykcyjny obejmuje trzy kroki:The process of converting a training experiment to a predictive experiment involves three steps:

  1. Zastąp moduły algorytmu uczenia maszynowego modelem szkolonym.Replace the machine learning algorithm modules with your trained model.
  2. Przytnij eksperyment tylko do modułów, które są konieczne do oceny.Trim the experiment to only those modules that are needed for scoring. Eksperyment szkoleniowy obejmuje wiele modułów, które są niezbędne do uczenia się, ale nie są potrzebne, gdy model jest szkolony.A training experiment includes a number of modules that are necessary for training but are not needed once the model is trained.
  3. Zdefiniuj, w jaki sposób model akceptuje dane od użytkownika usługi sieci Web i jakie dane zostaną zwrócone.Define how your model will accept data from the web service user, and what data will be returned.

Porada

W doświadczeniu szkoleniowym Jesteś w trakcie szkoleń i oceniamy model przy użyciu własnych danych.In your training experiment, you've been concerned with training and scoring your model using your own data. Po wdrożeniu użytkownicy będą wysyłać nowe dane do modelu i zwracają wyniki prognozowania.But once deployed, users will send new data to your model and it will return prediction results. Dlatego podczas konwertowania eksperymentu szkoleniowego na eksperyment predykcyjny, aby przygotować go do wdrożenia, należy pamiętać, jak model będzie używany przez inne osoby.So, as you convert your training experiment to a predictive experiment to get it ready for deployment, keep in mind how the model will be used by others.

Konwertuj na eksperyment oceniania

Przycisk usługi sieci WebSet Up Web Service button

Po uruchomieniu eksperymentu (kliknij pozycję Uruchom u dołu kanwy eksperymentu) kliknij przycisk Konfiguruj usługę sieci Web (wybierz opcję predykcyjnej usługi sieci Web ).After you run your experiment (click RUN at the bottom of the experiment canvas), click the Set Up Web Service button (select the Predictive Web Service option). Konfiguracja usługi sieci Web wykonuje trzy kroki konwertowania eksperymentu szkoleniowego na eksperyment predykcyjny:Set Up Web Service performs for you the three steps of converting your training experiment to a predictive experiment:

  1. Model ten jest zapisywany w sekcji przeszkolonych modeli w palecie modułów (po lewej stronie kanwy eksperymentu).It saves your trained model in the Trained Models section of the module palette (to the left of the experiment canvas). Spowoduje to zamienienie algorytmu uczenia maszynowego i przeszkolenie modułów modelu z zapisanym przeszkolonym modelem.It then replaces the machine learning algorithm and Train Model modules with the saved trained model.
  2. Analizuje eksperyment i usuwa moduły, które były jasno używane tylko do szkolenia i nie są już potrzebne.It analyzes your experiment and removes modules that were clearly used only for training and are no longer needed.
  3. Wstawia moduły danych wejściowych i wyjściowych usługi sieci Web do domyślnych lokalizacji w Twoim eksperymentie (te moduły akceptują i zwracają dane użytkownika).It inserts Web service input and output modules into default locations in your experiment (these modules accept and return user data).

Na przykład następujące eksperymenty pociąga za pomocą dwuklasowego modelu drzewa decyzyjnego przy użyciu przykładowych danych spisu:For example, the following experiment trains a two-class boosted decision tree model using sample census data:

Eksperyment szkoleniowy

Moduły w tym eksperymentie wykonują zasadniczo cztery różne funkcje:The modules in this experiment perform basically four different functions:

Funkcje modułu

Podczas konwertowania tego eksperymentu szkoleniowego na eksperyment predykcyjny niektóre z tych modułów nie są już potrzebne lub są teraz w innym celu:When you convert this training experiment to a predictive experiment, some of these modules are no longer needed, or they now serve a different purpose:

  • Dane — dane w tym przykładowym zestawie danych nie są używane podczas oceniania — użytkownik usługi sieci Web dostarczy dane do oceny.Data - The data in this sample dataset is not used during scoring - the user of the web service will supply the data to be scored. Jednak metadane z tego zestawu danych, takie jak typy danych, są używane przez szkolony model.However, the metadata from this dataset, such as data types, is used by the trained model. Dlatego należy zachować zestaw danych w eksperymentie predykcyjnym, aby umożliwić mu dostarczenie tych metadanych.So you need to keep the dataset in the predictive experiment so that it can provide this metadata.

  • Przygotowanie — w zależności od danych użytkownika, które zostaną przesłane do oceniania, te moduły mogą lub nie muszą być wymagane do przetwarzania danych przychodzących.Prep - Depending on the user data that will be submitted for scoring, these modules may or may not be necessary to process the incoming data. Przycisk Konfiguruj usługę sieci Web nie dotyka tych — musisz zdecydować, jak chcesz je obsłużyć.The Set Up Web Service button doesn't touch these - you need to decide how you want to handle them.

    Na przykład, w tym przykładzie przykładowy zestaw danych może mieć brakujące wartości, więc dołączono do nich nieoczyszczony moduł danych .For instance, in this example the sample dataset may have missing values, so a Clean Missing Data module was included to deal with them. Ponadto przykładowy zestaw danych zawiera kolumny, które nie są konieczne do uczenia modelu.Also, the sample dataset includes columns that are not needed to train the model. W związku z tym dodano kolumny SELECT w module DataSet , aby wykluczyć te dodatkowe kolumny z przepływu danych.So a Select Columns in Dataset module was included to exclude those extra columns from the data flow. Jeśli wiesz, że dane, które zostaną przesłane na potrzeby oceniania za pomocą usługi sieci Web, nie mają brakujących wartości, możesz usunąć nieczysty moduł danych .If you know that the data that will be submitted for scoring through the web service will not have missing values, then you can remove the Clean Missing Data module. Jednak ponieważ moduł Wybierz kolumny w zestawie danych ułatwia definiowanie kolumn danych oczekiwanych przez szkolony model, ten moduł musi pozostać.However, since the Select Columns in Dataset module helps define the columns of data that the trained model expects, that module needs to remain.

  • Uczenie — te moduły są używane do uczenia modelu.Train - These modules are used to train the model. Po kliknięciu przycisku Konfiguruj usługę sieci Web te moduły są zastępowane jednym modułem zawierającym przeszkolony model.When you click Set Up Web Service, these modules are replaced with a single module that contains the model you trained. Ten nowy moduł jest zapisywany w sekcji przeszkolonych modeli w palecie modułów.This new module is saved in the Trained Models section of the module palette.

  • Wynik — w tym przykładzie moduł Split Data jest używany do dzielenia strumienia danych na dane testowe i dane szkoleniowe.Score - In this example, the Split Data module is used to divide the data stream into test data and training data. W eksperymentie predykcyjnym nie jesteśmy już szkoleniami, więc można usunąć dane podzielone .In the predictive experiment, we're not training anymore, so Split Data can be removed. Analogicznie, drugi moduł modelu oceny i moduł oceny modelu są używane do porównywania wyników danych testowych, więc te moduły nie są konieczne w przypadku eksperymentu predykcyjnego.Similarly, the second Score Model module and the Evaluate Model module are used to compare results from the test data, so these modules are not needed in the predictive experiment. Moduł pozostały model oceny jest jednak wymagany do zwrócenia wyniku oceny przez usługę sieci Web.The remaining Score Model module, however, is needed to return a score result through the web service.

Oto jak wygląda przykład po kliknięciu przycisku Skonfiguruj usługę sieci Web:Here is how our example looks after clicking Set Up Web Service:

Przekonwertowany eksperyment predykcyjny

Działanie wykonywane przez usługę sieci Web może być wystarczające, aby przygotować eksperyment do wdrożenia jako usługę sieci Web.The work done by Set Up Web Service may be sufficient to prepare your experiment to be deployed as a web service. Jednak może być konieczne wykonanie pewnych dodatkowych czynności związanych z eksperymentem.However, you may want to do some additional work specific to your experiment.

Dostosowywanie modułów wejściowych i wyjściowychAdjust input and output modules

W doświadczeniu szkoleniowym użyto zestawu danych szkoleniowych, a następnie przetworzysz dane w postaci, w której jest wymagany algorytm uczenia maszynowego.In your training experiment, you used a set of training data and then did some processing to get the data in a form that the machine learning algorithm needed. Jeśli dane, które mają zostać odebrane przez usługę sieci Web, nie będą potrzebne do tego przetwarzania, można je ominąć: Połącz dane wyjściowe modułu danych wejściowych usługi sieci Web z innym modułem w Twoim eksperymentie.If the data you expect to receive through the web service will not need this processing, you can bypass it: connect the output of the Web service input module to a different module in your experiment. Dane użytkownika zostaną teraz odebrane w modelu w tej lokalizacji.The user's data will now arrive in the model at this location.

Na przykład Usługa sieci Web domyślnie umieszcza moduł wejściowy usługi sieci Web w górnej części przepływu danych, jak pokazano na rysunku powyżej.For example, by default Set Up Web Service puts the Web service input module at the top of your data flow, as shown in the figure above. Można jednak ręcznie ustawić dane wejściowe usługi sieci Web za pomocą modułów przetwarzania danych:But we can manually position the Web service input past the data processing modules:

Przeniesienie danych wejściowych usługi sieci Web

Dane wejściowe dostarczane za pomocą usługi sieci Web będą teraz przekazywane bezpośrednio do modułu modelu wynikowego bez konieczności przetwarzania wstępnego.The input data provided through the web service will now pass directly into the Score Model module without any preprocessing.

Podobnie domyślnie Konfiguracja usługi sieci Web powoduje umieszczenie modułu wyjściowego usługi sieci Web u dołu przepływu danych.Similarly, by default Set Up Web Service puts the Web service output module at the bottom of your data flow. W tym przykładzie usługa sieci Web zwróci do użytkownika dane wyjściowe modułu modelu wynikowego , który zawiera kompletny wektor danych wejściowych i wyniki oceniania.In this example, the web service will return to the user the output of the Score Model module, which includes the complete input data vector plus the scoring results. Jeśli jednak wolisz zwrócić coś innego, możesz dodać kolejne moduły przed modułem wyjściowym usługi sieci Web .However, if you would prefer to return something different, then you can add additional modules before the Web service output module.

Aby na przykład zwrócić tylko wyniki oceny, a nie cały wektor danych wejściowych, Dodaj do modułu DataSet ( Wybieranie kolumn w zestawie danych ) wszystkie kolumny z wyjątkiem wyników oceniania.For example, to return only the scoring results and not the entire vector of input data, add a Select Columns in Dataset module to exclude all columns except the scoring results. Następnie Przenieś moduł wyjściowy usługi sieci Web do danych wyjściowych modułu SELECT Columns in DataSet .Then move the Web service output module to the output of the Select Columns in Dataset module. Eksperyment wygląda następująco:The experiment looks like this:

Przeniesienie danych wyjściowych usługi sieci Web

Dodawanie lub usuwanie dodatkowych modułów przetwarzania danychAdd or remove additional data processing modules

Jeśli eksperyment zawiera więcej modułów, które nie są potrzebne podczas oceniania, można je usunąć.If there are more modules in your experiment that you know will not be needed during scoring, these can be removed. Na przykład ze względu na to, że moduł danych wejściowych usługi sieci Web został przeniesiony do punktu po modułach przetwarzania danych, możemy usunąć nieczysty moduł danych z eksperymentu predykcyjnego.For example, because we moved the Web service input module to a point after the data processing modules, we can remove the Clean Missing Data module from the predictive experiment.

Nasz eksperyment predykcyjny wygląda teraz następująco:Our predictive experiment now looks like this:

Usuwanie dodatkowego modułu

Dodaj opcjonalne parametry usługi sieci WebAdd optional Web Service Parameters

W niektórych przypadkach może być konieczne zezwolenie użytkownikowi usługi sieci Web na zmianę zachowania modułów podczas uzyskiwania dostępu do usługi.In some cases, you may want to allow the user of your web service to change the behavior of modules when the service is accessed. Parametry usługi sieci Web umożliwiają wykonanie tej czynności.Web Service Parameters allow you to do this.

Typowym przykładem jest skonfigurowanie modułu importowania danych , dzięki czemu użytkownik wdrożonej usługi sieci Web może określić inne źródło danych podczas uzyskiwania dostępu do usługi sieci Web.A common example is setting up an Import Data module so the user of the deployed web service can specify a different data source when the web service is accessed. Lub skonfiguruj moduł eksportu danych , aby można było określić inną lokalizację docelową.Or configuring an Export Data module so that a different destination can be specified.

Można definiować parametry usługi sieci Web i kojarzyć je z jednym lub wieloma parametrami modułu, a także określić, czy są one wymagane, czy opcjonalne.You can define Web Service Parameters and associate them with one or more module parameters, and you can specify whether they are required or optional. Użytkownik usługi sieci Web dostarcza wartości tych parametrów podczas uzyskiwania dostępu do usługi, a akcje modułu są odpowiednio modyfikowane.The user of the web service provides values for these parameters when the service is accessed, and the module actions are modified accordingly.

Więcej informacji o parametrach usługi sieci Web i sposobach ich użycia można znaleźć w temacie Using Azure Machine Learning Web Service Parameters.For more information about what Web Service Parameters are and how to use them, see Using Azure Machine Learning Web Service Parameters.

Poniższe kroki opisują wdrożenie eksperymentu predykcyjnego jako nowej usługi sieci Web.The following steps describe deploying a predictive experiment as a New web service. Możesz również wdrożyć eksperyment jako klasyczną usługę sieci Web.You can also deploy the experiment as Classic web service.

Wdróż ją jako nową usługę sieci WebDeploy it as a New web service

Teraz, gdy eksperyment predykcyjny został przygotowany, możesz go wdrożyć jako nową usługę sieci Web platformy Azure (Menedżer zasobów).Now that the predictive experiment has been prepared, you can deploy it as a new (Resource Manager-based) Azure web service. Korzystając z usługi sieci Web, użytkownicy mogą wysyłać dane do modelu, a model zwróci swoje przewidywania.Using the web service, users can send data to your model and the model will return its predictions.

Aby wdrożyć eksperyment predykcyjny, kliknij pozycję Uruchom w dolnej części kanwy eksperymentu.To deploy your predictive experiment, click Run at the bottom of the experiment canvas. Po zakończeniu eksperymentu kliknij pozycję Wdróż usługę sieci Web i wybierz pozycję Wdróż usługę sieci Web Nowy.Once the experiment has finished running, click Deploy Web Service and select Deploy Web Service New. Zostanie otwarta strona wdrożenie portalu usługi sieci Web Machine Learning Studio (klasyczny).The deployment page of the Machine Learning Studio (classic) Web Service portal opens.

Uwaga

Aby wdrożyć nową usługę sieci Web, musisz mieć wystarczające uprawnienia w subskrypcji, w której wdrażana jest usługa sieci Web.To deploy a New web service you must have sufficient permissions in the subscription to which you deploying the web service. Aby uzyskać więcej informacji, zobacz Zarządzanie usługą sieci Web przy użyciu portalu usług sieci web Azure Machine Learning.For more information see, Manage a Web service using the Azure Machine Learning Web Services portal.

Strona wdrożenia portalu usługi sieci WebWeb Service portal Deploy Experiment Page

Na stronie wdrażanie eksperymentu wprowadź nazwę usługi sieci Web.On the Deploy Experiment page, enter a name for the web service. Wybierz plan cenowy.Select a pricing plan. Jeśli masz istniejący plan cenowy, możesz go wybrać, w przeciwnym razie musisz utworzyć nowy plan cenowy dla usługi.If you have an existing pricing plan you can select it, otherwise you must create a new price plan for the service.

  1. Z listy rozwijanej Plan cen wybierz istniejący plan lub wybierz opcję Wybierz nowy plan .In the Price Plan drop down, select an existing plan or select the Select new plan option.
  2. W polu Nazwa planu wpisz nazwę, która będzie identyfikować plan na rachunku.In Plan Name, type a name that will identify the plan on your bill.
  3. Wybierz jedną z miesięcznych warstw planu.Select one of the Monthly Plan Tiers. Plan domyślnie jest dzielony na warstwy planów dla domyślnego regionu, a usługi internetowe są wdrażane dla tego regionu.The plan tiers default to the plans for your default region and your web service is deployed to that region.

Kliknij przycisk Wdróż , a strona szybkiego startu dla usługi sieci Web zostanie otwarta.Click Deploy and the Quickstart page for your web service opens.

Strona szybkiego startu usługi sieci Web zapewnia dostęp i wskazówki dotyczące najbardziej typowych zadań, które zostaną wykonane po utworzeniu usługi sieci Web.The web service Quickstart page gives you access and guidance on the most common tasks you will perform after creating a web service. W tym miejscu możesz łatwo uzyskać dostęp do strony testowej i strony użycia.From here, you can easily access both the Test page and Consume page.

Testowanie nowej usługi sieci WebTest your New web service

Aby przetestować nową usługę sieci Web, kliknij pozycję Testuj usługę sieci Web w obszarze Typowe zadania.To test your new web service, click Test web service under common tasks. Na stronie test można testować usługę sieci Web jako usługę Request-Response (RR) lub usługę wykonywania wsadowego (BES).On the Test page, you can test your web service as a Request-Response Service (RRS) or a Batch Execution service (BES).

Na stronie test RR są wyświetlane dane wejściowe, wyjściowe i wszystkie parametry globalne zdefiniowane dla eksperymentu.The RRS test page displays the inputs, outputs, and any global parameters that you have defined for the experiment. Aby przetestować usługę sieci Web, można ręcznie wprowadzić odpowiednie wartości dla wejść lub podać plik z wartościami rozdzielanymi przecinkami (CSV) zawierający wartości testowe.To test the web service, you can manually enter appropriate values for the inputs or supply a comma separated value (CSV) formatted file containing the test values.

Aby przetestować przy użyciu rekordów RR, w trybie widoku listy wprowadź odpowiednie wartości danych wejściowych i kliknij pozycję Testuj żądanie-odpowiedź.To test using RRS, from the list view mode, enter appropriate values for the inputs and click Test Request-Response. Wyniki przewidywania są wyświetlane w kolumnie dane wyjściowe po lewej stronie.Your prediction results display in the output column to the left.

Wprowadź odpowiednie wartości, aby przetestować usługę sieci Web

Aby przetestować BES, kliknij pozycję Batch.To test your BES, click Batch. Na stronie test wsadowy kliknij pozycję Przeglądaj w obszarze dane wejściowe i wybierz plik CSV zawierający odpowiednie przykładowe wartości.On the Batch test page, click Browse under your input and select a CSV file containing appropriate sample values. Jeśli nie masz pliku CSV i utworzysz eksperyment predykcyjny przy użyciu Machine Learning Studio (klasyczny), możesz pobrać zestaw danych dla eksperymentu predykcyjnego i użyć go.If you don't have a CSV file, and you created your predictive experiment using Machine Learning Studio (classic), you can download the data set for your predictive experiment and use it.

Aby pobrać zestaw danych, Otwórz Machine Learning Studio (klasyczny).To download the data set, open Machine Learning Studio (classic). Otwórz eksperyment predykcyjny i kliknij prawym przyciskiem myszy dane wejściowe dla eksperymentu.Open your predictive experiment and right click the input for your experiment. Z menu kontekstowego wybierz pozycję zestaw danych , a następnie wybierz pozycję Pobierz.From the context menu, select dataset and then select Download.

Pobierz zestaw danych z kanwy programu Studio (klasycznej)

Kliknij przycisk Testuj.Click Test. Stan zadania wykonywania wsadowego jest wyświetlany w prawej części testu zadań wsadowych.The status of your Batch Execution job displays to the right under Test Batch Jobs.

Testowanie zadania wykonywania wsadowego za pomocą portalu usługi sieci Web

Na stronie Konfiguracja można zmienić opis, tytuł, zaktualizować klucz konta magazynu i włączyć przykładowe dane dla usługi sieci Web.On the CONFIGURATION page, you can change the description, title, update the storage account key, and enable sample data for your web service.

Konfigurowanie usługi sieci Web

Uzyskaj dostęp do nowej usługi sieci WebAccess your New web service

Po wdrożeniu usługi sieci Web z Machine Learning Studio (klasycznej) można wysyłać dane do usługi i programowo odbierać odpowiedzi.Once you deploy your web service from Machine Learning Studio (classic), you can send data to the service and receive responses programmatically.

Na stronie Używanie znajdują się wszystkie informacje potrzebne do uzyskania dostępu do usługi sieci Web.The Consume page provides all the information you need to access your web service. Na przykład klucz interfejsu API jest dostarczany, aby zezwolić na autoryzowany dostęp do usługi.For example, the API key is provided to allow authorized access to the service.

Aby uzyskać więcej informacji na temat uzyskiwania dostępu do usługi sieci Web Machine Learning Studio (klasycznej), zobacz jak korzystać z usługi sieci web Azure Machine Learning Studio (klasycznej).For more information about accessing a Machine Learning Studio (classic) web service, see How to consume an Azure Machine Learning Studio (classic) Web service.

Zarządzanie nową usługą sieci WebManage your New web service

Możesz zarządzać nowymi usługami sieci Web przy użyciu portalu usług sieci Web Machine Learning Studio (klasycznego).You can manage your New web services using Machine Learning Studio (classic) Web Services portal. Na stronie Portal głównykliknij pozycję usługi sieci Web.From the main portal page, click Web Services. Na stronie usługi sieci Web można usunąć lub skopiować usługę.From the web services page, you can delete or copy a service. Aby monitorować określoną usługę, kliknij usługę, a następnie kliknij pozycję pulpit nawigacyjny.To monitor a specific service, click the service and then click Dashboard. Aby monitorować zadania wsadowe skojarzone z usługą sieci Web, kliknij pozycję Dziennik żądań wsadowych.To monitor batch jobs associated with the web service, click Batch Request Log.

Wdrażanie nowej usługi sieci Web w wielu regionachDeploy your New web service to multiple regions

Nową usługę sieci Web można łatwo wdrożyć w wielu regionach bez konieczności stosowania wielu subskrypcji lub obszarów roboczych.You can easily deploy a New web service to multiple regions without needing multiple subscriptions or workspaces.

Cennik jest specyficzny dla regionu, dlatego należy zdefiniować plan rozliczeniowy dla każdego regionu, w którym zostanie wdrożona usługa sieci Web.Pricing is region specific, so you need to define a billing plan for each region in which you will deploy the web service.

Tworzenie planu w innym regionieCreate a plan in another region

  1. Zaloguj się do usług sieci Web Microsoft Azure Machine Learning.Sign in to Microsoft Azure Machine Learning Web Services.
  2. Kliknij opcję plany w menu.Click the Plans menu option.
  3. Na stronie plany na Widok kliknij pozycję Nowy.On the Plans over view page, click New.
  4. Z listy rozwijanej subskrypcja wybierz subskrypcję, w której będzie znajdować się nowy plan.From the Subscription dropdown, select the subscription in which the new plan will reside.
  5. Z listy rozwijanej region wybierz region dla nowego planu.From the Region dropdown, select a region for the new plan. Opcje planu dla wybranego regionu będą wyświetlane w sekcji Opcje planu na stronie.The Plan Options for the selected region will display in the Plan Options section of the page.
  6. Z listy rozwijanej Grupa zasobów wybierz grupę zasobów dla planu.From the Resource Group dropdown, select a resource group for the plan. Aby uzyskać więcej informacji na temat grup zasobów, zobacz Azure Resource Manager przegląd.From more information on resource groups, see Azure Resource Manager overview.
  7. W polu Nazwa planu wpisz nazwę planu.In Plan Name type the name of the plan.
  8. W obszarze Opcje planu kliknij poziom rozliczenia dla nowego planu.Under Plan Options, click the billing level for the new plan.
  9. Kliknij pozycję Utwórz.Click Create.

Wdrażanie usługi sieci Web w innym regionieDeploy the web service to another region

  1. Na stronie Microsoft Azure Machine Learning Web Services kliknij opcję menu usługi sieci Web .On the Microsoft Azure Machine Learning Web Services page, click the Web Services menu option.
  2. Wybierz usługę sieci Web wdrażaną w nowym regionie.Select the Web Service you are deploying to a new region.
  3. Kliknij przycisk Kopiuj.Click Copy.
  4. W polu nazwa usługi sieci Web wpisz nową nazwę usługi sieci Web.In Web Service Name, type a new name for the web service.
  5. W polu Opis usługi sieci Web wpisz opis usługi sieci Web.In Web service description, type a description for the web service.
  6. Z listy rozwijanej subskrypcja wybierz subskrypcję, w której będzie znajdować się nowa usługa sieci Web.From the Subscription dropdown, select the subscription in which the new web service will reside.
  7. Z listy rozwijanej Grupa zasobów wybierz grupę zasobów dla usługi sieci Web.From the Resource Group dropdown, select a resource group for the web service. Aby uzyskać więcej informacji na temat grup zasobów, zobacz Azure Resource Manager przegląd.From more information on resource groups, see Azure Resource Manager overview.
  8. Z listy rozwijanej region wybierz region, w którym ma zostać wdrożona usługa sieci Web.From the Region dropdown, select the region in which to deploy the web service.
  9. Z listy rozwijanej konto magazynu wybierz konto magazynu, w którym ma być przechowywana usługa sieci Web.From the Storage account dropdown, select a storage account in which to store the web service.
  10. Z listy rozwijanej Plan cen wybierz plan w regionie wybranym w kroku 8.From the Price Plan dropdown, select a plan in the region you selected in step 8.
  11. Kliknij przycisk Kopiuj.Click Copy.

Wdróż ją jako klasyczną usługę sieci WebDeploy it as a Classic web service

Teraz, gdy eksperyment predykcyjny został wystarczająco przygotowany, możesz go wdrożyć jako klasyczną usługę sieci Web platformy Azure.Now that the predictive experiment has been sufficiently prepared, you can deploy it as a Classic Azure web service. Korzystając z usługi sieci Web, użytkownicy mogą wysyłać dane do modelu, a model zwróci swoje przewidywania.Using the web service, users can send data to your model and the model will return its predictions.

Aby wdrożyć eksperyment predykcyjny, kliknij pozycję Uruchom w dolnej części kanwy eksperymentu, a następnie kliknij pozycję Wdróż usługę sieci Web.To deploy your predictive experiment, click Run at the bottom of the experiment canvas and then click Deploy Web Service. Usługa sieci Web została skonfigurowana i zostanie umieszczona na pulpicie nawigacyjnym usługi sieci Web.The web service is set up and you are placed in the web service dashboard.

Wdrażanie usługi sieci Web z poziomu programu Studio (wersja klasyczna)

Testowanie klasycznej usługi sieci WebTest your Classic web service

Możesz przetestować usługę sieci Web w portalu usług sieci Web Machine Learning Studio (klasyczny) lub Machine Learning Studio (klasyczny).You can test the web service in either the Machine Learning Studio (classic) Web Services portal or Machine Learning Studio (classic).

Aby przetestować usługę sieci Web odpowiedzi na żądanie, kliknij przycisk Testuj na pulpicie nawigacyjnym usługi sieci Web.To test the Request Response web service, click the Test button in the web service dashboard. Zostanie wyświetlone okno dialogowe z monitem o podanie danych wejściowych dla usługi.A dialog pops up to ask you for the input data for the service. Są to kolumny oczekiwane przez eksperyment oceniania.These are the columns expected by the scoring experiment. Wprowadź zestaw danych, a następnie kliknij przycisk OK.Enter a set of data and then click OK. Wyniki generowane przez usługę sieci Web są wyświetlane w dolnej części pulpitu nawigacyjnego.The results generated by the web service are displayed at the bottom of the dashboard.

Możesz kliknąć link test Preview, aby przetestować usługę w portalu usług sieci Web Azure Machine Learning Studio (klasyczny), jak pokazano wcześniej w sekcji Nowa usługa sieci Web.You can click the Test preview link to test your service in the Azure Machine Learning Studio (classic) Web Services portal as shown previously in the New web service section.

Aby przetestować usługę wykonywania wsadowego, kliknij link Podgląd testowy .To test the Batch Execution Service, click Test preview link . Na stronie test wsadowy kliknij pozycję Przeglądaj w obszarze dane wejściowe i wybierz plik CSV zawierający odpowiednie przykładowe wartości.On the Batch test page, click Browse under your input and select a CSV file containing appropriate sample values. Jeśli nie masz pliku CSV i utworzysz eksperyment predykcyjny przy użyciu Machine Learning Studio (klasyczny), możesz pobrać zestaw danych dla eksperymentu predykcyjnego i użyć go.If you don't have a CSV file, and you created your predictive experiment using Machine Learning Studio (classic), you can download the data set for your predictive experiment and use it.

Testowanie usługi internetowej

Na stronie Konfiguracja można zmienić nazwę wyświetlaną usługi i podać opis.On the CONFIGURATION page, you can change the display name of the service and give it a description. Nazwa i opis są wyświetlane w Azure Portal , w którym można zarządzać usługami sieci Web.The name and description is displayed in the Azure portal where you manage your web services.

Można podać opis danych wejściowych, danych wyjściowych i parametrów usługi sieci Web, wprowadzając ciąg dla każdej kolumny w obszarze schemat wejściowy, schemat danych wyjściowych i parametr usługi sieci Web.You can provide a description for your input data, output data, and web service parameters by entering a string for each column under INPUT SCHEMA, OUTPUT SCHEMA, and Web SERVICE PARAMETER. Opisy te są używane w przykładowej dokumentacji kodu podanej dla usługi sieci Web.These descriptions are used in the sample code documentation provided for the web service.

Możesz włączyć rejestrowanie, aby zdiagnozować wszystkie błędy widoczne podczas uzyskiwania dostępu do usługi sieci Web.You can enable logging to diagnose any failures that you're seeing when your web service is accessed. Aby uzyskać więcej informacji, zobacz Włączanie rejestrowania dla usług sieci web Machine Learning Studio (klasycznych).For more information, see Enable logging for Machine Learning Studio (classic) web services.

Włączanie rejestrowania w portalu usług sieci Web

Możesz również skonfigurować punkty końcowe usługi sieci Web w portalu usług sieci Web Azure Machine Learning, podobnie jak w przypadku procedury pokazanej wcześniej w sekcji Nowa usługa sieci Web.You can also configure the endpoints for the web service in the Azure Machine Learning Web Services portal similar to the procedure shown previously in the New web service section. Opcje są różne, można dodać lub zmienić opis usługi, włączyć rejestrowanie i włączyć przykładowe dane do testowania.The options are different, you can add or change the service description, enable logging, and enable sample data for testing.

Uzyskiwanie dostępu do klasycznej usługi sieci WebAccess your Classic web service

Po wdrożeniu usługi sieci Web z Azure Machine Learning Studio (klasycznej) można wysyłać dane do usługi i programowo odbierać odpowiedzi.Once you deploy your web service from Azure Machine Learning Studio (classic), you can send data to the service and receive responses programmatically.

Pulpit nawigacyjny zawiera wszystkie informacje potrzebne do uzyskania dostępu do usługi sieci Web.The dashboard provides all the information you need to access your web service. Na przykład klucz interfejsu API jest udostępniany w celu zezwolenia na dostęp do usługi, a strony pomocy interfejsu API są udostępniane, aby ułatwić rozpoczęcie pisania kodu.For example, the API key is provided to allow authorized access to the service, and API help pages are provided to help you get started writing your code.

Aby uzyskać więcej informacji na temat uzyskiwania dostępu do usługi sieci Web Machine Learning Studio (klasycznej), zobacz jak korzystać z usługi sieci web Azure Machine Learning Studio (klasycznej).For more information about accessing a Machine Learning Studio (classic) web service, see How to consume an Azure Machine Learning Studio (classic) Web service.

Zarządzanie klasyczną usługą sieci WebManage your Classic web service

Istnieją różne akcje, które można wykonać, aby monitorować usługę sieci Web.There are various of actions you can perform to monitor a web service. Można go zaktualizować i usunąć.You can update it, and delete it. Oprócz domyślnego punktu końcowego, który jest tworzony podczas wdrażania, można także dodać kolejne punkty końcowe do klasycznej usługi sieci Web.You can also add additional endpoints to a Classic web service in addition to the default endpoint that is created when you deploy it.

Aby uzyskać więcej informacji, zobacz temat Zarządzanie obszarem roboczym Azure Machine Learning Studio (klasycznym) i zarządzaniem usługą sieci Web przy użyciu portalu usług sieci Web Azure Machine Learning Studio (klasycznego).For more information, see Manage an Azure Machine Learning Studio (classic) workspace and Manage a web service using the Azure Machine Learning Studio (classic) Web Services portal.

Aktualizowanie usługi sieci WebUpdate the web service

Możesz wprowadzić zmiany w usłudze sieci Web, takie jak aktualizowanie modelu z dodatkowymi danymi szkoleniowymi, i wdrożyć je ponownie, zastępując oryginalną usługę sieci Web.You can make changes to your web service, such as updating the model with additional training data, and deploy it again, overwriting the original web service.

Aby zaktualizować usługę sieci Web, Otwórz oryginalny eksperyment predykcyjny, który został użyty do wdrożenia usługi sieci Web i Utwórz edytowalną kopię, klikając pozycję Zapisz jako.To update the web service, open the original predictive experiment you used to deploy the web service and make an editable copy by clicking SAVE AS. Wprowadź zmiany, a następnie kliknij przycisk Wdróż usługę sieci Web.Make your changes and then click Deploy Web Service.

Ponieważ ten eksperyment został wdrożony wcześniej, zostanie wyświetlony monit o zastępowanie (klasycznej usługi sieci Web) lub aktualizacji (nowej usługi sieci Web) istniejącej usługi.Because you've deployed this experiment before, you are asked if you want to overwrite (Classic Web Service) or update (New web service) the existing service. Kliknięcie przycisku tak lub Aktualizuj powoduje zatrzymanie istniejącej usługi sieci Web i wdrożenie nowego eksperymentu predykcyjnego w jego miejscu.Clicking YES or Update stops the existing web service and deploys the new predictive experiment is deployed in its place.

Uwaga

Jeśli wprowadzono zmiany w konfiguracji oryginalnej usługi sieci Web, na przykład wprowadzając nową nazwę wyświetlaną lub opis, należy ponownie wprowadzić te wartości.If you made configuration changes in the original web service, for example, entering a new display name or description, you will need to enter those values again.

Jedną z opcji aktualizowania usługi sieci Web jest możliwość programowego ponownego uczenia modelu.One option for updating your web service is to retrain the model programmatically. Aby uzyskać więcej informacji, zobacz temat ponowne uczenie modeli Machine Learning Studio (klasycznych).For more information, see Retrain Machine Learning Studio (classic) models programmatically.

Następne krokiNext steps