Usługi sieci Web Machine Learning Studio (wersja klasyczna): wdrażanie i zużycie

Artykuł
04/19/2017

DOTYCZY:Dotyczy Usługa Machine Learning Studio (klasyczna) nie ma zastosowania. Azure Machine Learning

Ważne

Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.

Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).

Zobacz informacje dotyczące przenoszenia projektów uczenia maszynowego z usługi ML Studio (klasycznej) do usługi Azure Machine Learning.
Dowiedz się więcej o usłudze Azure Machine Learning

Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.

Możesz użyć usługi Machine Learning Studio (klasycznej) do wdrażania przepływów pracy i modeli uczenia maszynowego jako usług internetowych. Te usługi internetowe mogą następnie służyć do wywoływania modeli uczenia maszynowego z aplikacji za pośrednictwem Internetu w celu przewidywania w czasie rzeczywistym lub w trybie wsadowym. Ponieważ usługi internetowe są resTful, można wywoływać je z różnych języków programowania i platform, takich jak .NET i Java, oraz z aplikacji, takich jak Excel.

W następnych sekcjach znajdują się linki do przewodników, kodu i dokumentacji ułatwiającej rozpoczęcie pracy.

Wdrażanie usługi internetowej

Za pomocą usługi Machine Learning Studio (wersja klasyczna)

Portal studio (klasyczny) i portal usług sieci Web Machine Learning ułatwiają wdrażanie usługi internetowej i zarządzanie nią bez pisania kodu.

Poniższe linki zawierają ogólne informacje o sposobie wdrażania nowej usługi internetowej:

Aby zapoznać się z omówieniem wdrażania nowej usługi internetowej opartej na usłudze Azure Resource Manager, zobacz Wdrażanie nowej usługi internetowej.
Aby zapoznać się z przewodnikiem dotyczącym wdrażania usługi internetowej, zobacz Wdrażanie usługi internetowej Machine Learning.
Aby zapoznać się z pełnym przewodnikiem dotyczącym tworzenia i wdrażania usługi internetowej, zacznij od samouczka 1: Przewidywanie ryzyka kredytowego.
Aby zapoznać się z konkretnymi przykładami, które wdrażają usługę internetową, zobacz:
- Samouczek 3. Wdrażanie modelu ryzyka kredytowego
- Jak wdrożyć usługę internetową w wielu regionach

Za pomocą interfejsów API dostawcy zasobów usług internetowych (interfejsy API usługi Azure Resource Manager)

Dostawca zasobów usługi Machine Learning Studio (klasyczny) dla usług internetowych umożliwia wdrażanie usług internetowych i zarządzanie nimi przy użyciu wywołań interfejsu API REST. Aby uzyskać więcej informacji, zobacz dokumentację usługi sieci Web usługi Machine Learning (REST).

Za pomocą poleceń cmdlet programu PowerShell

Dostawca zasobów usługi Machine Learning Studio (klasyczny) dla usług internetowych umożliwia wdrażanie usług internetowych i zarządzanie nimi przy użyciu poleceń cmdlet programu PowerShell.

Aby użyć poleceń cmdlet, musisz najpierw zalogować się do konta platformy Azure z poziomu środowiska programu PowerShell przy użyciu polecenia cmdlet Connect-AzAccount . Jeśli nie znasz sposobu wywoływania poleceń programu PowerShell opartych na Resource Manager, zobacz Using Azure PowerShell with Azure Resource Manager (Używanie Azure PowerShell z usługą Azure Resource Manager).

Aby wyeksportować eksperyment predykcyjny, użyj tego przykładowego kodu. Po utworzeniu pliku .exe z kodu można wpisać:

C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>

Uruchomienie aplikacji powoduje utworzenie szablonu JSON usługi internetowej. Aby użyć szablonu do wdrożenia usługi internetowej, należy dodać następujące informacje:

Nazwa i klucz konta magazynu

Nazwę konta magazynu i klucz można pobrać z Azure Portal.
Identyfikator planu zobowiązania

Identyfikator planu można uzyskać z portalu usług sieci Web usługi Machine Learning , logując się i klikając nazwę planu.

Dodaj je do szablonu JSON jako elementów podrzędnych węzła Właściwości na tym samym poziomie co węzeł MachineLearningWorkspace .

Oto przykład:

"StorageAccount": {
        "name": "YourStorageAccountName",
        "key": "YourStorageAccountKey"
},
"CommitmentPlan": {
    "id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}

Aby uzyskać dodatkowe informacje, zobacz następujące artykuły i przykładowy kod:

Dokumentacja poleceń cmdlet usługi Machine Learning Studio (wersja klasyczna) w witrynie MSDN

Korzystanie z usług internetowych

Z poziomu interfejsu użytkownika usług internetowych usługi Machine Learning (testowanie)

Usługę internetową można przetestować w portalu usług sieci Web Machine Learning. Obejmuje to testowanie interfejsów usługi Request-Response (RRS) i usługi Batch Execution Service (BES).

Z programu Excel

Możesz pobrać szablon programu Excel, który korzysta z usługi internetowej:

Z poziomu klienta opartego na protokole REST

Usługi sieci Web usługi Machine Learning to interfejsy API RESTful. Możesz korzystać z tych interfejsów API z różnych platform, takich jak .NET, Python, R, Java itp. Strona Korzystanie z usługi internetowej w portalu usług sieci Web usługi Machine Learning zawiera przykładowy kod, który może pomóc w rozpoczęciu pracy. Aby uzyskać więcej informacji, zobacz How to consume a Machine Learning Web Service (Jak korzystać z usługi sieci Web Machine Learning).

Share via