Migrar os módulos 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 faça a transição para o Azure Machine Learning até essa data.
A partir de 1º de dezembro de 2021, não é possível criar novos recursos (clássicos) do Machine Learning Studio (espaço de trabalho e plano de serviço Web). Até 31 de agosto de 2024, você pode continuar a usar os experimentos e serviços Web existentes do Machine Learning Studio (clássicos). Para obter mais informações, consulte:
- Migrar para o Azure Machine Learning a partir do Machine Learning Studio (clássico)
- O que é o Azure Machine Learning?
A documentação do Machine Learning Studio (clássica) está sendo desativada e pode não ser atualizada no futuro.
Neste artigo, você aprenderá a reconstruir um módulo Studio (clássico) Execute R Script no Azure Machine Learning.
Para obter mais informações sobre como migrar do Studio (clássico), consulte o artigo de visão geral da migração.
Executar Script R
O designer do Azure Machine Learning agora é executado no Linux. Studio (clássico) é executado no Windows. Devido à alteração da plataforma, você deve ajustar seu Execute R Script durante a migração, caso contrário, o pipeline falhará.
Para migrar um módulo Execute R Script do Studio (clássico), você deve substituir as maml.mapInputPort
interfaces e maml.mapOutputPort
por funções padrão.
A tabela a seguir resume as alterações no módulo Script R:
Caraterística | Studio (clássico) | Estruturador do Azure Machine Learning |
---|---|---|
Script Interface | maml.mapInputPort e maml.mapOutputPort |
Interface de função |
Plataforma | Windows | Linux |
Acessível à Internet | Não | Sim |
Memória | 14 GB | Dependente do SKU de computação |
Como atualizar a interface de script R
Aqui está o conteúdo de um exemplo de módulo Execute R Script no Studio (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");
Aqui estão os conteúdos atualizados no designer. Observe que o maml.mapInputPort
e maml.mapOutputPort
foram substituídos pela interface azureml_main
de função padrão .
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))
}
Para obter mais informações, consulte a referência do módulo Execute R Script do designer.
Instalar pacotes R a partir da Internet
O designer do Azure Machine Learning permite instalar pacotes diretamente do CRAN.
Esta é uma melhoria em relação ao Studio (clássico). Como o Studio (clássico) é executado em um ambiente sandbox sem acesso à internet, você teve que carregar scripts em um pacote zip para instalar mais pacotes.
Use o código a seguir para instalar pacotes CRAN no módulo Execute R Script do designer:
if(!require(zoo)) {
install.packages("zoo",repos = "http://cran.us.r-project.org")
}
library(zoo)
Próximos passos
Neste artigo, você aprendeu como migrar módulos do Execute R Script para o Azure Machine Learning.
Veja os outros artigos da série de migração Studio (clássica):
- Visão geral da migração.
- Migrar conjunto de dados.
- Reconstrua um pipeline de treinamento do Studio (clássico).
- Reconstrua um serviço Web Studio (clássico).
- Integre um serviço Web de Aprendizado de Máquina com aplicativos cliente.
- Migrar módulos Execute R Script.