Use parâmetros de serviço web machine learning (clássicos)

APLICA A: O Machine Learning Studio (clássico) Aprendizagem de Máquinas Azure

Importante

O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.

A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).

• Consulte informações sobre projetos de machine learning em movimento do ML Studio (clássico) para Azure Machine Learning.
• Saiba mais sobre a Azure Machine Learning

A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.

Um serviço web Machine Learning é criado publicando uma experiência que contém módulos com parâmetros configuráveis. Em alguns casos, pode querer alterar o comportamento do módulo enquanto o serviço web está em funcionamento. Os Parâmetros do Serviço Web permitem-lhe fazer esta tarefa.

Um exemplo comum é a criação do módulo de Dados de Importação para que o utilizador do serviço web publicado possa especificar uma fonte de dados diferente quando o serviço web é acedido. Ou configurar o módulo de Dados de Exportação para que um destino diferente possa ser especificado. Outros exemplos incluem a alteração do número de bits para o módulo de hashing de recurso ou o número de funcionalidades desejadas para o módulo de seleção de recursos baseado em filtros .

Pode definir parâmetros de serviço web e associá-los a um ou mais parâmetros de módulo na sua experiência, e pode especificar se são necessários ou opcionais. O utilizador do serviço web pode então fornecer valores para estes parâmetros quando eles chamam o serviço web.

Como definir e usar parâmetros de serviço web

Define um Parâmetro de Serviço Web clicando no ícone ao lado do parâmetro para um módulo e selecionando "Definir como parâmetro de serviço web". Isto cria um novo Parâmetro de Serviço Web e liga-o ao parâmetro do módulo. Em seguida, quando o serviço web é acedido, o utilizador pode especificar um valor para o Parâmetro de Serviço Web e é aplicado no parâmetro do módulo.

Uma vez definido um parâmetro de serviço web, está disponível para qualquer outro parâmetro do módulo na experiência. Se definir um Parâmetro de Serviço Web associado a um parâmetro para um módulo, pode utilizar o mesmo Parâmetro de Serviço Web para qualquer outro módulo, desde que o parâmetro espere o mesmo tipo de valor. Por exemplo, se o Parâmetro de Serviço Web é um valor numérico, então só pode ser usado para parâmetros de módulo que esperam um valor numérico. Quando o utilizador definir um valor para o Parâmetro de Serviço Web, este será aplicado a todos os parâmetros do módulo associados.

Pode decidir se fornece um valor predefinido para o Parâmetro de Serviço Web. Se o fizer, o parâmetro é opcional para o utilizador do serviço web. Se não fornecer um valor predefinido, então o utilizador é obrigado a introduzir um valor quando o serviço web é acedido.

A documentação da API para o serviço web inclui informações para o utilizador do serviço web sobre como especificar o Parâmetro de Serviço Web programáticamente ao aceder ao serviço web.

Nota

A documentação da API para um serviço web clássico é fornecida através do link da página de ajuda da API no serviço web DASHBOARD no Machine Learning Studio (clássico). A documentação da API para um novo serviço web é fornecida através do portal Machine Learning Web Services nas páginas De Consumo e API swagger para o seu serviço web.

Exemplo

Como exemplo, vamos supor que temos uma experiência com um módulo de Dados de Exportação que envia informações para o armazenamento de blob Azure. Vamos definir um Parâmetro de Serviço Web chamado "Caminho da Bolha" que permite ao utilizador do serviço web alterar o caminho para o armazenamento de bolhas quando o serviço é acedido.

1. No Machine Learning Studio (clássico), clique no módulo de Dados de Exportação para selecioná-lo. As suas propriedades são mostradas no painel propriedades à direita da tela experimentadas.

2. Especificar o tipo de armazenamento:

   • Em Please especificar o destino de dados, selecione "Armazenamento de Blobs do Azure".
   • Por favor especifique o tipo de autenticação, selecione "Conta".
   • Introduza as informações de conta para o armazenamento da bolha Azure.

3. Clique no ícone à direita do Caminho para blob começando com o parâmetro do recipiente. Esta secção tem o seguinte aspeto:

   

   Selecione "Definir como parâmetro de serviço web".

   Uma entrada é adicionada nos Parâmetros de Serviço Web na parte inferior do painel de propriedades com o nome "Caminho para blob começando com recipiente". Este é o Parâmetro de Serviço Web que está agora associado a este parâmetro do módulo de dados de exportação .

4. Para mudar o nome do Parâmetro de Serviço Web, clique no nome, introduza "Caminho da bolha" e prima a tecla 'Inserir '.

5. Para fornecer um valor predefinido para o Parâmetro de Serviço Web, clique no ícone à direita do nome, selecione "Fornecer valor predefinido", introduza um valor (por exemplo, "contentor1/output1.csv"), e prima a tecla 'Inserir '.

   

6. Clique em Run (Executar).

7. Clique em Implementar o Serviço Web e selecione Implementar o Serviço Web [Clássico] ou implementar o Serviço Web [Novo] para implementar o serviço web.

Nota

Para implementar um novo serviço web tem de ter permissões suficientes na subscrição à qual implementa o serviço web. Para mais informações consulte , Gerencie um serviço Web utilizando o portal Machine Learning Web Services.

O utilizador do serviço web pode agora especificar um novo destino para o módulo dados de exportação ao aceder ao serviço web.

Mais informações

Para um exemplo mais detalhado, consulte a entrada dos Parâmetros de Serviço Web no Blog de Aprendizagem automática.

Para obter mais informações sobre o acesso a um serviço web machine learning, consulte Como consumir um serviço Web machine learning.