Wyzwalaj aplikacje, procesy lub przepływy pracy ciągłej integracji/ciągłego wdrażania w oparciu o zdarzenia Azure Machine Learning (wersja zapoznawcza)Trigger applications, processes, or CI/CD workflows based on Azure Machine Learning events (preview)

W tym artykule dowiesz się, jak skonfigurować aplikacje, procesy lub przepływy pracy ciągłej integracji/ciągłego wdrażania, na podstawie zdarzeń Azure Machine Learning, takich jak wiadomości e-mail z powiadomieniami o błędach lub uruchomienia potoku ML, w przypadku wykrycia określonych warunków przez Azure Event Grid.In this article, you learn how to set up event-driven applications, processes, or CI/CD workflows based on Azure Machine Learning events, such as failure notification emails or ML pipeline runs, when certain conditions are detected by Azure Event Grid.

Azure Machine Learning zarządza całym cyklem życia procesu uczenia maszynowego, w tym szkolenia modelu, wdrażanie modeli i monitorowanie.Azure Machine Learning manages the entire lifecycle of machine learning process, including model training, model deployment, and monitoring. Za pomocą Event Grid można reagować na zdarzenia Azure Machine Learning, takie jak ukończenie przebiegów szkoleniowych, rejestrowanie i wdrażanie modeli oraz wykrywanie dryfowania danych przy użyciu nowoczesnych architektur bezserwerowych.You can use Event Grid to react to Azure Machine Learning events, such as the completion of training runs, the registration and deployment of models, and the detection of data drift, by using modern serverless architectures. Następnie można subskrybować i wykorzystywać zdarzenia, takie jak zmiana stanu uruchomienia, zakończenie przebiegu, rejestracja modelu, wdrożenie modelu i wykrywanie dryfowania danych w obszarze roboczym.You can then subscribe and consume events such as run status changed, run completion, model registration, model deployment, and data drift detection within a workspace.

Kiedy używać Event Grid dla akcji opartych na zdarzeniach:When to use Event Grid for event driven actions:

  • Wyślij wiadomości e-mail w przypadku niepowodzenia przebiegu i zakończenie przebieguSend emails on run failure and run completion
  • Użyj funkcji platformy Azure po zarejestrowaniu modeluUse an Azure function after a model is registered
  • Przesyłanie strumieniowe zdarzeń z Azure Machine Learning do różnych punktów końcowychStreaming events from Azure Machine Learning to various of endpoints
  • Wyzwalanie potoku ML w przypadku wykrycia dryfuTrigger an ML pipeline when drift is detected

Wymagania wstępnePrerequisites

Aby użyć Event Grid, musisz mieć uprawnienia współautora lub właściciela do obszaru roboczego Azure Machine Learning, dla którego będą tworzone zdarzenia.To use Event Grid, you need contributor or owner access to the Azure Machine Learning workspace you will create events for.

Model zdarzenia & typyThe event model & types

Azure Event Grid odczytuje zdarzenia ze źródeł, takich jak Azure Machine Learning i inne usługi platformy Azure.Azure Event Grid reads events from sources, such as Azure Machine Learning and other Azure services. Te zdarzenia są następnie wysyłane do programów obsługi zdarzeń, takich jak Azure Event Hubs, Azure Functions, Logic Apps i innych.These events are then sent to event handlers such as Azure Event Hubs, Azure Functions, Logic Apps, and others. Na poniższym diagramie przedstawiono sposób, w jaki Event Grid nawiązuje połączenie ze źródłami i procedurami obsługi, ale nie jest kompleksową listą obsługiwanych integracji.The following diagram shows how Event Grid connects sources and handlers, but is not a comprehensive list of supported integrations.

Azure Event Grid model funkcjonalny

Aby uzyskać więcej informacji o źródłach zdarzeń i obsłudze zdarzeń, zobacz co to jest Event Grid?.For more information on event sources and event handlers, see What is Event Grid?.

Typy zdarzeń dla Azure Machine LearningEvent types for Azure Machine Learning

Azure Machine Learning udostępnia zdarzenia w różnych punktach cyklu życia uczenia maszynowego:Azure Machine Learning provides events in the various points of machine learning lifecycle:

Typ zdarzeniaEvent type OpisDescription
Microsoft.MachineLearningServices.RunCompleted Uruchamiany po zakończeniu eksperymentu uczenia maszynowegoRaised when a machine learning experiment run is completed
Microsoft.MachineLearningServices.ModelRegistered Uruchamiany, gdy model uczenia maszynowego jest zarejestrowany w obszarze roboczymRaised when a machine learning model is registered in the workspace
Microsoft.MachineLearningServices.ModelDeployed Uruchamiany, gdy zostanie wykonane wdrożenie usługi wnioskowania z co najmniej jednym modelemRaised when a deployment of inference service with one or more models is completed
Microsoft.MachineLearningServices.DatasetDriftDetected Uruchamiany po zakończeniu zadania wykrywania dryfu danych dla dwóch zestawów danychRaised when a data drift detection job for two datasets is completed
Microsoft.MachineLearningServices.RunStatusChanged Uruchamiany, gdy stan uruchomienia zostanie zmieniony, obecnie jest uruchamiany tylko wtedy, gdy stan uruchomienia to "Niepowodzenie"Raised when a run status changed, currently only raised when a run status is 'failed'

Filtrowanie & subskrybowanie zdarzeńFilter & subscribe to events

Te zdarzenia są publikowane za poorednictwem Azure Event Grid.These events are published through Azure Event Grid. Korzystając z Azure Portal, programu PowerShell lub interfejsu wiersza polecenia platformy Azure, klienci mogą łatwo subskrybować zdarzenia, określając jeden lub więcej typów zdarzeń i warunki filtrowania.Using Azure portal, PowerShell or Azure CLI, customers can easily subscribe to events by specifying one or more event types, and filtering conditions.

Podczas konfigurowania zdarzeń można zastosować filtry tylko do wyzwalania tylko dla określonych danych zdarzeń.When setting up your events, you can apply filters to only trigger on specific event data. W poniższym przykładzie dla zdarzeń zmiany stanu uruchomienia można filtrować według typów uruchomienia.In the example below, for run status changed events, you can filter by run types. Zdarzenie jest wyzwalane tylko wtedy, gdy kryteria są spełnione.The event only triggers when the criteria is met. Zapoznaj się z schematem siatki zdarzeń Azure Machine Learning , aby dowiedzieć się więcej o danych zdarzeń, które można filtrować według.Refer to the Azure Machine Learning event grid schema to learn about event data you can filter by.

Subskrypcje dla zdarzeń Azure Machine Learning są chronione za pomocą kontroli dostępu opartej na rolach (Azure RBAC).Subscriptions for Azure Machine Learning events are protected by Azure role-based access control (Azure RBAC). Tylko współautor lub właściciel obszaru roboczego może tworzyć, aktualizować i usuwać subskrypcje zdarzeń.Only contributor or owner of a workspace can create, update, and delete event subscriptions. Filtry mogą być stosowane do subskrypcji zdarzeń podczas tworzenia subskrypcji zdarzeń lub w późniejszym czasie.Filters can be applied to event subscriptions either during the creation of the event subscription or at a later time.

  1. Przejdź do Azure Portal, wybierz nową subskrypcję lub istniejącą.Go to the Azure portal, select a new subscription or an existing one.

  2. Wybierz kartę Filtry i przewiń w dół do opcji filtry zaawansowane.Select the filters tab and scroll down to Advanced filters. Dla klucza i wartości Podaj typy właściwości, według których chcesz filtrować.For the Key and Value, provide the property types you want to filter by. W tym miejscu można zobaczyć, że zdarzenie będzie wyzwalane tylko wtedy, gdy typem uruchomienia jest uruchomienie potoku lub krok potoku.Here you can see the event will only trigger when the run type is a pipeline run or pipeline step run.

    Filtruj zdarzenia

  • Filtruj według typu zdarzenia: W subskrypcji zdarzeń można określić jeden lub więcej typów zdarzeń Azure Machine Learning.Filter by event type: An event subscription can specify one or more Azure Machine Learning event types.

  • Filtruj według tematu zdarzenia: Azure Event Grid obsługuje filtry podmiotu w oparciu o początek i kończące się na dopasowaniach, dzięki czemu zdarzenia z podmiotem pasującym są dostarczane do subskrybenta.Filter by event subject: Azure Event Grid supports subject filters based on begins with and ends with matches, so that events with a matching subject are delivered to the subscriber. Różne zdarzenia uczenia maszynowego mają różne formaty podmiotu.Different machine learning events have different subject format.

    Typ zdarzeniaEvent type Format tematuSubject format Przykładowy tematSample subject
    Microsoft.MachineLearningServices.RunCompleted experiments/{ExperimentId}/runs/{RunId} experiments/b1d7966c-f73a-4c68-b846-992ace89551f/runs/my_exp1_1554835758_38dbaa94
    Microsoft.MachineLearningServices.ModelRegistered models/{modelName}:{modelVersion} models/sklearn_regression_model:3
    Microsoft.MachineLearningServices.ModelDeployed endpoints/{serviceId} endpoints/my_sklearn_aks
    Microsoft.MachineLearningServices.DatasetDriftDetected datadrift/{data.DataDriftId}/run/{data.RunId} datadrift/4e694bf5-712e-4e40-b06a-d2a2755212d4/run/my_driftrun1_1550564444_fbbcdc0f
    Microsoft.MachineLearningServices.RunStatusChanged experiments/{ExperimentId}/runs/{RunId} experiments/b1d7966c-f73a-4c68-b846-992ace89551f/runs/my_exp1_1554835758_38dbaa94
  • Filtrowanie zaawansowane: Azure Event Grid obsługuje także zaawansowane filtrowanie na podstawie opublikowanego schematu zdarzeń.Advanced filtering: Azure Event Grid also supports advanced filtering based on published event schema. Szczegóły schematu zdarzenia Azure Machine Learning można znaleźć w Azure Event Grid schemacie zdarzeń dla Azure Machine Learning.Azure Machine Learning event schema details can be found in Azure Event Grid event schema for Azure Machine Learning. Niektóre przykładowe zaawansowane filtrowanie, które można wykonać, to m.in.:Some sample advanced filterings you can perform include:

    Dla Microsoft.MachineLearningServices.ModelRegistered zdarzenia, aby filtrować wartość tagu modelu:For Microsoft.MachineLearningServices.ModelRegistered event, to filter model's tag value:

    --advanced-filter data.ModelTags.key1 StringIn ('value1')
    

    Aby dowiedzieć się więcej na temat stosowania filtrów, zobacz filtrowanie zdarzeń dla Event Grid.To learn more about how to apply filters, see Filter events for Event Grid.

Korzystanie z zdarzeń Machine LearningConsume Machine Learning events

Aplikacje, które obsługują zdarzenia Machine Learning, powinny spełniać kilka zalecanych praktyk:Applications that handle Machine Learning events should follow a few recommended practices:

  • Tak jak wiele subskrypcji można skonfigurować do kierowania zdarzeń do tego samego programu obsługi zdarzeń, dlatego ważne jest, aby nie założyć, że zdarzenia pochodzą z określonego źródła, ale aby sprawdzić temat wiadomości w celu upewnienia się, że pochodzi ona z obszaru roboczego uczenia maszynowego.As multiple subscriptions can be configured to route events to the same event handler, it is important not to assume events are from a particular source, but to check the topic of the message to ensure that it comes from the machine learning workspace you are expecting.
  • Podobnie Sprawdź, czy typ zdarzenia jest przygotowana do przetworzenia i nie zakładaj, że wszystkie zdarzenia, które otrzymujesz, są oczekiwanymi typami.Similarly, check that the eventType is one you are prepared to process, and do not assume that all events you receive will be the types you expect.
  • Ponieważ komunikaty mogą się pojawiać poza kolejnością i po pewnym opóźnieniu, należy użyć pól ETag, aby zrozumieć, czy informacje o obiektach są nadal aktualne.As messages can arrive out of order and after some delay, use the etag fields to understand if your information about objects is still up-to-date. Ponadto należy użyć pól programu Sequencer do zrozumienia kolejności zdarzeń dla każdego określonego obiektu.Also, use the sequencer fields to understand the order of events on any particular object.
  • Ignoruj pola, które nie są zrozumiałe.Ignore fields you don't understand. Ta metoda pomaga w zachowaniu odporności na nowe funkcje, które mogą zostać dodane w przyszłości.This practice will help keep you resilient to new features that might be added in the future.
  • Niepowodzenie lub anulowanie operacji Azure Machine Learning nie spowoduje wyzwolenia zdarzenia.Failed or cancelled Azure Machine Learning operations will not trigger an event. Na przykład jeśli wdrożenie modelu nie powiedzie się Microsoft. MachineLearningServices. ModelDeployed nie zostanie wyzwolone.For example, if a model deployment fails Microsoft.MachineLearningServices.ModelDeployed won't be triggered. Ten tryb awarii należy wziąć pod uwagę podczas projektowania aplikacji.Consider such failure mode when design your applications. Aby sprawdzić stan operacji i zrozumieć szczegółowe przyczyny niepowodzenia, zawsze możesz użyć zestawu SDK, interfejsu wiersza polecenia i portalu Azure Machine Learning.You can always use Azure Machine Learning SDK, CLI or portal to check the status of an operation and understand the detailed failure reasons.

Azure Event Grid umożliwia klientom tworzenie niepołączonych programów obsługi komunikatów, które mogą być wyzwalane przez zdarzenia Azure Machine Learning.Azure Event Grid allows customers to build de-coupled message handlers, which can be triggered by Azure Machine Learning events. Oto przykładowe przykłady obsługi komunikatów:Some notable examples of message handlers are:

  • Azure FunctionsAzure Functions
  • Azure Logic AppsAzure Logic Apps
  • Azure Event HubsAzure Event Hubs
  • Potok Azure Data FactoryAzure Data Factory Pipeline
  • Ogólne elementy webhook, które mogą być hostowane na platformie Azure lub w innym miejscuGeneric webhooks, which may be hosted on the Azure platform or elsewhere

Konfiguracja w Azure PortalSet up in Azure portal

  1. Otwórz Azure Portal i przejdź do obszaru roboczego Azure Machine Learning.Open the Azure portal and go to your Azure Machine Learning workspace.

  2. Na pasku po lewej stronie wybierz pozycję zdarzenia , a następnie wybierz pozycję subskrypcje zdarzeń.From the left bar, select Events and then select Event Subscriptions.

    select-events-in-workspace.png

  3. Wybierz typ zdarzenia do użycia.Select the event type to consume. Na przykład na poniższym zrzucie ekranu zarejestrowano wybrany model, wdrożono model, wykonano przebieg i wykryto dryf zestawu danych:For example, the following screenshot has selected Model registered, Model deployed, Run completed, and Dataset drift detected:

    Dodaj typ zdarzenia

  4. Wybierz punkt końcowy, do którego ma zostać opublikowane wydarzenie.Select the endpoint to publish the event to. Na poniższym zrzucie ekranu centrum zdarzeń jest wybranym punktem końcowym:In the following screenshot, Event hub is the selected endpoint:

    Zrzut ekranu przedstawia okienko Utwórz subskrypcję zdarzeń z otwartym centrum zdarzeń.

Po potwierdzeniu wyboru, kliknij przycisk Utwórz.Once you have confirmed your selection, click Create. Po zakończeniu konfiguracji te zdarzenia zostaną wypchnięte do punktu końcowego.After configuration, these events will be pushed to your endpoint.

Konfigurowanie przy użyciu interfejsu wiersza poleceniaSet up with the CLI

Możesz zainstalować najnowszy interfejs wiersza polecenia platformy Azurelub użyć Azure Cloud Shell dostarczanego w ramach subskrypcji platformy Azure.You can either install the latest Azure CLI, or use the Azure Cloud Shell that is provided as part of your Azure subscription.

Aby zainstalować rozszerzenie Event Grid, należy użyć następującego polecenia w interfejsie CLI:To install the Event Grid extension, use the following command from the CLI:

az add extension --name eventgrid

W poniższym przykładzie pokazano, jak wybrać subskrypcję platformy Azure i utworzyć nową subskrypcję zdarzeń dla Azure Machine Learning:The following example demonstrates how to select an Azure subscription and creates e a new event subscription for Azure Machine Learning:

# Select the Azure subscription that contains the workspace
az account set --subscription "<name or ID of the subscription>"

# Subscribe to the machine learning workspace. This example uses EventHub as a destination. 
az eventgrid event-subscription create --name {eventGridFilterName} \
  --source-resource-id /subscriptions/{subId}/resourceGroups/{RG}/providers/Microsoft.MachineLearningServices/workspaces/{wsName} \
  --endpoint-type eventhub \
  --endpoint /subscriptions/{SubID}/resourceGroups/TestRG/providers/Microsoft.EventHub/namespaces/n1/eventhubs/EH1 \
  --included-event-types Microsoft.MachineLearningServices.ModelRegistered \
  --subject-begins-with "models/mymodelname"

PrzykładyExamples

Przykład: wysyłanie alertów e-mailExample: Send email alerts

Użyj Azure Logic Apps , aby skonfigurować wiadomości e-mail dla wszystkich wydarzeń.Use Azure Logic Apps to configure emails for all your events. Dostosuj warunki i określ adresatów, aby umożliwić współpracę i świadomość w zespołach pracujących wspólnie.Customize with conditions and specify recipients to enable collaboration and awareness across teams working together.

  1. W Azure Portal przejdź do obszaru roboczego Azure Machine Learning i wybierz kartę zdarzenia na pasku po lewej stronie.In the Azure portal, go to your Azure Machine Learning workspace and select the events tab from the left bar. W tym miejscu wybierz pozycję Aplikacje logiki.From here, select Logic apps.

    Zrzut ekranu przedstawia stronę Machine Learning zdarzeń obszaru roboczego z Logic Apps.

  2. Zaloguj się do interfejsu użytkownika aplikacji logiki i wybierz usługę Machine Learning jako typ tematu.Sign into the Logic App UI and select Machine Learning service as the topic type.

    Zrzut ekranu przedstawia okno dialogowe gdy występuje zdarzenie dotyczące zasobu z opcją Uczenie maszynowe jako typ zasobu.

  3. Wybierz zdarzenia do powiadomienia.Select which event(s) to be notified for. Na przykład poniższy zrzut ekranu RunCompleted.For example, the following screenshot RunCompleted.

    Zrzut ekranu przedstawia okno dialogowe gdy występuje zdarzenie zasobu z wybranym typem zdarzenia.

  4. Możesz użyć metody filtrowania w powyższej sekcji lub dodać filtry, aby wyzwolić aplikację logiki tylko w podzestawie typów zdarzeń.You can use the filtering method in the section above or add filters to only trigger the logic app on a subset of event types. Na poniższym zrzucie ekranu jest używany Filtr prefiksu /datadriftID/runs/ .In the following screenshot, a prefix filter of /datadriftID/runs/ is used.

    Filtrowanie — zdarzenia

  5. Następnie należy dodać krok, aby użyć tego zdarzenia i wyszukać adres e-mail.Next, add a step to consume this event and search for email. Istnieje kilka różnych kont poczty, za pomocą których można odbierać zdarzenia.There are several different mail accounts you can use to receive events. Możesz również skonfigurować warunki na momentu wysłania alertu e-mail.You can also configure conditions on when to send an email alert.

    Zrzut ekranu przedstawia okno dialogowe Wybieranie akcji z adresem e-mail wprowadzonym w wierszu wyszukiwania.

  6. Wybierz pozycję Wyślij wiadomość e-mail i wypełnij parametry.Select Send an email and fill in the parameters. W temacie można uwzględnić Typ zdarzenia i temat w celu ułatwienia filtrowania zdarzeń.In the subject, you can include the Event Type and Topic to help filter events. Możesz również dołączyć link do strony obszaru roboczego dla przebiegów w treści wiadomości.You can also include a link to the workspace page for runs in the message body.

    Zrzut ekranu przedstawia okno dialogowe Wysyłanie wiadomości e-mail z tematem i typem zdarzenia dodanym do wiersza tematu z listy po prawej stronie.

  7. Aby zapisać tę akcję, wybierz pozycję Zapisz jako w lewym rogu strony.To save this action, select Save As on the left corner of the page. Na wyświetlonym prawym pasku potwierdź utworzenie tej akcji.From the right bar that appears, confirm creation of this action.

    Zrzut ekranu przedstawia przyciski Zapisz jako i Utwórz w projektancie Logic Apps.

Przykład: przeszkolenie z zakresu dryfowania danychExample: Data drift triggers retraining

Modele są nieodświeżone w czasie i nie pozostają przydatne w kontekście, w którym działa.Models go stale over time, and not remain useful in the context it is running in. Jednym ze sposobów, aby określić, czy czas na ponowne nauczenie modelu wykrywa dryfowanie danych.One way to tell if it's time to retrain the model is detecting data drift.

Ten przykład pokazuje, jak używać usługi Event Grid z aplikacją logiki platformy Azure, aby wyzwolić ponowne szkolenie.This example shows how to use event grid with an Azure Logic App to trigger retraining. Przykład wyzwala potok Azure Data Factory, gdy nastąpi przekształcenie danych między uczeniem modelu i obsługującym zestawami.The example triggers an Azure Data Factory pipeline when data drift occurs between a model's training and serving datasets.

Przed rozpoczęciem wykonaj następujące czynności:Before you begin, perform the following actions:

W tym przykładzie prosty potok Data Factory jest używany do kopiowania plików do magazynu obiektów blob i uruchamiania potoku opublikowanego Machine Learning.In this example, a simple Data Factory pipeline is used to copy files into a blob store and run a published Machine Learning pipeline. Aby uzyskać więcej informacji na temat tego scenariusza, zobacz Jak skonfigurować Machine Learning krok w Azure Data FactoryFor more information on this scenario, see how to set up a Machine Learning step in Azure Data Factory

Zrzut ekranu przedstawia potok szkoleń w zasobach fabrycznych z kopią Pipeline1.

  1. Zacznij od utworzenia aplikacji logiki.Start with creating the logic app. Przejdź do Azure Portal, wyszukaj pozycję Logic Apps, a następnie wybierz pozycję Utwórz.Go to the Azure portal, search for Logic Apps, and select create.

    Search-Logic-App

  2. Wprowadź żądane informacje.Fill in the requested information. Aby uprościć środowisko pracy, Użyj tej samej subskrypcji i grupy zasobów co potok Azure Data Factory i Azure Machine Learning obszar roboczy.To simplify the experience, use the same subscription and resource group as your Azure Data Factory Pipeline and Azure Machine Learning workspace.

    Zrzut ekranu przedstawia okienko tworzenia aplikacji logiki.

  3. Po utworzeniu aplikacji logiki wybierz opcję gdy wystąpi zdarzenie zasobów Event Grid.Once you have created the logic app, select When an Event Grid resource event occurs.

    Zrzut ekranu przedstawia projektanta Logic Apps z opcją Rozpocznij z użyciem typowych opcji wyzwalacza, w tym gdy wystąpi zdarzenie zasobu Event Grid.

  4. Zaloguj się i wprowadź szczegóły zdarzenia.Login and fill in the details for the event. W polu nazwa zasobu Ustaw nazwę obszaru roboczego.Set the Resource Name to the workspace name. Ustaw Typ zdarzenia na DatasetDriftDetected.Set the Event Type to DatasetDriftDetected.

    Zrzut ekranu pokazuje, kiedy zdarzenie jest wykonywane z wybranym elementem typu zdarzenia.

  5. Dodaj nowy krok i Wyszukaj Azure Data Factory.Add a new step, and search for Azure Data Factory. Wybierz pozycję Utwórz uruchomienie potoku.Select Create a pipeline run.

    Zrzut ekranu przedstawia okienko wybierz akcję z wybranym przebiegiem tworzenia potoku.

  6. Zaloguj się i określ opublikowany potok Azure Data Factory do uruchomienia.Login and specify the published Azure Data Factory pipeline to run.

    Zrzut ekranu przedstawia okienko tworzenie uruchomienia potoku z różnymi wartościami.

  7. Zapisz i Utwórz aplikację logiki przy użyciu przycisku Zapisz znajdującego się w lewym górnym rogu strony.Save and create the logic app using the save button on the top left of the page. Aby wyświetlić aplikację, przejdź do obszaru roboczego w Azure Portal i kliknij pozycję zdarzenia.To view your app, go to your workspace in the Azure portal and click on Events.

    Zrzut ekranu przedstawia zdarzenia z wyróżnioną aplikacją logiki.

Teraz potok fabryki danych jest wyzwalany, gdy nastąpi dryf.Now the data factory pipeline is triggered when drift occurs. Wyświetl szczegóły dotyczące przebiegu dryfowania danych i potoku uczenia maszynowego w nowym portalu obszaru roboczego.View details on your data drift run and machine learning pipeline on the new workspace portal.

Zrzut ekranu przedstawia punkty końcowe potoku.

Przykład: Wdrażanie modelu na podstawie tagówExample: Deploy a model based on tags

Obiekt modelu Azure Machine Learning zawiera parametry, które można przestawiać wdrożenia, takie jak nazwa modelu, wersja, tag i właściwość.An Azure Machine Learning model object contains parameters you can pivot deployments on such as model name, version, tag, and property. Zdarzenie rejestracji modelu może wyzwolić punkt końcowy i można użyć funkcji platformy Azure do wdrożenia modelu na podstawie wartości tych parametrów.The model registration event can trigger an endpoint and you can use an Azure Function to deploy a model based on the value of those parameters.

Aby zapoznać się z przykładem, zobacz https://github.com/Azure-Samples/MachineLearningSamples-NoCodeDeploymentTriggeredByEventGrid repozytorium i postępuj zgodnie z instrukcjami w pliku README .For an example, see the https://github.com/Azure-Samples/MachineLearningSamples-NoCodeDeploymentTriggeredByEventGrid repository and follow the steps in the readme file.

Następne krokiNext steps

Dowiedz się więcej o Event Grid i nadaj Azure Machine Learning zdarzeniom:Learn more about Event Grid and give Azure Machine Learning events a try: