Migrar módulos de Executar Script R no Estúdio (clássico)
Importante
O suporte para o Azure Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. Recomendamos que você faça a transição para o Azure Machine Learning até essa data.
Desde 1º de dezembro de 2021, não é possível criar recursos (workspace e plano do serviço Web) do Azure Machine Learning Studio (clássico). Até 31 de agosto de 2024, você poderá continuar usando os experimentos e os serviços Web existentes do Machine Learning Studio (clássico). Para saber mais, veja:
- Migrar do Machine Learning Studio (clássico) para o Azure Machine Learning
- O que é Azure Machine Learning?
A documentação do Machine Learning Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.
Neste artigo, você aprenderá a recriar um módulo de Executar Script R do Estúdio (clássico) no Azure Machine Learning.
Veja mais informações sobre a migração do Estúdio (clássico) no artigo de visão geral da migração.
Executar script R
O designer do Azure Machine Learning agora é executado no Linux. O Estúdio (clássico) é executado no Windows. Devido à alteração da plataforma, você deve ajustar o Executar Script R durante a migração, caso contrário, o pipeline falhará.
Para migrar um módulo Executar Script R do Estúdio (clássico), você deve substituir as interfaces maml.mapInputPort
e maml.mapOutputPort
por funções padrão.
A seguinte tabela resume as alterações no módulo de Script R:
Recurso | Studio (clássico) | Designer do Azure Machine Learning |
---|---|---|
Interface de script | maml.mapInputPort e maml.mapOutputPort |
Interface de função |
Plataforma | Windows | Linux |
Acessível pela Internet | Não | Sim |
Memória | 14 GB | Dependente do SKU de computação |
Como atualizar a interface de Script R
Este é o conteúdo de uma amostra de módulo de Executar Script R no Estúdio (clássico):
# 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");
Este é o conteúdo atualizado no designer. Observe que o maml.mapInputPort
e o maml.mapOutputPort
foram substituídos pela interface de função padrão 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))
}
Veja mais informações na referência de módulo de Executar Script R do designer.
Instalar pacotes do R da Internet
O designer do Azure Machine Learning permite que você instale pacotes diretamente no CRAN.
Esse é um aprimoramento em relação ao Estúdio (clássico). Como o Estúdio (clássico) é executado em um ambiente de área restrita sem acesso à Internet, você precisava carregar scripts em um pacote zip para instalar mais pacotes.
Use o seguinte código para instalar pacotes do CRAN no módulo Executar Script R do designer:
if(!require(zoo)) {
install.packages("zoo",repos = "http://cran.us.r-project.org")
}
library(zoo)
Próximas etapas
Neste artigo, você aprendeu a migrar os módulos de Executar Script R para o Azure Machine Learning.
Confira os outros artigos da série de migração do Estúdio (clássico):