Azure Batch AI 发生了什么变化？
Azure Batch AI 服务已停用。 Azure 机器学习服务中提供了 Batch AI 的大规模训练功能。 立即迁移。
除许多其他机器学习功能外，Azure 机器学习服务还包括基于云的托管计算目标，用于训练和批量评分机器学习模型。 此计算目标称为 Azure 机器学习计算 ，扩展了已弃用的 Batch AI 服务的所有功能。 立即开始迁移和使用它。 可以通过 Azure 机器学习服务的 Python SDK、命令行接口和Azure 门户进行交互。
支持时间线
你只能在宽限期内使用现有的 Azure Batch AI 订阅，但该服务已正式停用，不支持 SLA。 无法进行 新的订阅 注册，也不会进行进一步的投资或更新。
服务将很快关闭，无需进一步通知。
立即迁移。
注意
Azure 机器学习服务在政府云中不可用， (正式发布计划于 2019 年 6 月) ，我们在此之前将继续支持该区域的 Batch AI 服务。
与 Azure 机器学习比较
Azure 机器学习服务是一项云服务，可以使用它来训练、部署、自动执行以及管理机器学习模型，所有这些都是在云提供的广泛范围内进行的。 在此概述文章中大致了解 Azure 机器学习服务。
典型的模型开发生命周期涉及到数据准备、训练和试验以及部署阶段。 可以使用机器学习管道协调此端到端周期。
详细了解该服务的工作原理及其主要概念。 模型训练工作流中的许多概念类似于 Batch AI 中的现有概念。
具体而言，下面是两者之间的对应关系：
| Batch AI 服务 | Azure 机器学习服务 |
|---|---|
| 工作区 | 工作区 |
| 群集 | AmlCompute 类型的计算 |
| 文件服务器 | 数据存储 |
| 试验 | 试验 |
| 作业 | 运行（允许嵌套运行） |
下面是上表的另一个视图，可帮助你直观地进一步了解这两个服务：
Batch AI 层次结构
Azure 机器学习服务层次结构
平台功能
Azure 机器学习服务带来了一组出色的新功能，包括端到端训练>部署堆栈，无需管理任何 Azure 资源即可将其用于 AI 开发。 下表比较了这两个服务的训练功能支持。
| 功能 | Batch AI 服务 | Azure 机器学习服务 |
|---|---|---|
| VM 大小选项 | CPU/GPU | CPU/GPU。 此外支持用于推断的 FPGA |
| AI 就绪的群集（驱动程序、Docker 等等。） | 是 | 是 |
| 节点准备 | 是 | 否 |
| OS 系列选项 | 部分 | 否 |
| 专用和低优先级 VM | 是 | 是 |
| 自动缩放 | 是 | 是（默认支持） |
| 自动缩放等待时间 | 否 | 是 |
| SSH | 是 | 是 |
| 群集级装载 | 是（文件共享、Blob、NFS、自定义） | 是（装载或下载数据存储） |
| 分布式训练 | 是 | 是 |
| 作业执行模式 | VM 或容器 | 容器 |
| 自定义容器映像 | 是 | 是 |
| 任何工具包 | 是 | 是（运行 Python 脚本） |
| 作业准备 | 是 | 尚不支持 |
| 作业级装载 | 是（文件共享、Blob、NFS、自定义） | 是（文件共享、Blob） |
| 作业监视 | 通过 GetJob | 通过运行历史记录（更丰富的信息、自定义运行时可推送更多指标） |
| 检索作业日志和文件/模型 | 通过列表文件和存储 API | 通过项目服务 |
| Tensorboard 支持 | 否 | 是 |
| VM 系列级配额 | 是 | 是（使用以前余留的容量） |
除了上表中列出的功能以外，Azure 机器学习服务中的某些功能在传统上不受 Batch AI 的支持。
| 功能 | Batch AI 服务 | Azure 机器学习服务 |
|---|---|---|
| 环境准备 | 否 | 是（Conda 准备和上传到 ACR） |
| 超参数优化 | 否 | 是 |
| 模型管理 | 否 | 是 |
| 操作化/部署 | 否 | 通过 AKS 和 ACI |
| 数据准备 | 否 | 是 |
| 计算目标 | Azure VM | 本地、Batch AI（作为 AmlCompute）、DataBricks、HDInsight |
| 自动化机器学习 | 否 | 是 |
| 管道 | 否 | 是 |
| 批量评分 | 是 | 是 |
| 门户/CLI 支持 | 是 | 是 |
编程接口
下表列出了适用于每个服务的各种编程接口。
| 功能 | Batch AI 服务 | Azure 机器学习服务 |
|---|---|---|
| SDK 中 IsInRole 中的声明 | Java、C#、Python、Nodejs | Python（两个服务都对常用框架运行基于配置和基于估算器的接口） |
| CLI | 是 | 尚不支持 |
| Azure 门户 | 是 | 是（作业提交除外） |
| REST API | 是 | 是，但跨微服务分布 |
从 Batch AI 预览版升级到 Azure 机器学习服务正式版后，可以通过估算器和数据存储等更易用的概念来获得更好的体验。 此外，还能保证获得正式版 Azure 服务的 SLA 保障和客户支持。
Azure 机器学习服务还引入了自动化机器学习、超参数优化和机器学习管道等新功能，在大部分的大规模 AI 工作负荷中，这些功能非常有用。 无需切换到单独的服务即可部署训练的模型，这有助于完成整个数据科学循环：从准备数据（使用数据准备 SDK），到操作化和模型监视。
Migrate
在迁移到 Azure 机器学习服务一文中了解如何进行迁移，以及如何将使用的代码映射到 Azure 机器学习服务中的代码。
获取支持
Batch AI 已停用，并且已阻止新订阅针对服务注册。 如有任何疑问，或者在迁移到 Azure 机器学习服务的过程中想要提供反馈，请通过 Azure Batch AI 训练预览版联系我们。
Azure 机器学习服务现已推出正式版。 这意味着，它附带了经过承诺的 SLA，并且有多种支持计划可供选择。
通过 Batch AI 服务或 Azure 机器学习服务使用 Azure 基础结构的定价不应有所不同，因为在这两种情况下，我们仅收取基础计算的价格。 有关详细详细，请参阅定价计算器。
在 Azure 门户中查看这两个服务的可用区域。
后续步骤
了解如何进行迁移，以及如何将现在使用的代码映射到 Azure 机器学习服务中的代码。
请阅读 Azure 机器学习服务概述。
请使用 Azure 机器学习服务为模型定型配置计算目标。
请查看 Azure 路线图了解其他 Azure 服务更新。