Migrar os módulos Executar Script R no Estúdio (clássico)

  • Artigo

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:

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.mapOutputPortpor 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_mainde 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):

  1. Visão geral da migração.
  2. Migrar conjunto de dados.
  3. Reconstrua um pipeline de treinamento do Studio (clássico).
  4. Reconstrua um serviço Web Studio (clássico).
  5. Integre um serviço Web de Aprendizado de Máquina com aplicativos cliente.
  6. Migrar módulos Execute R Script.