你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

在工作室（经典）中迁移“执行 R 脚本”模块

项目
03/10/2024

重要

对 Azure 机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。建议在该日期之前转换到 Azure 机器学习。

自 2021 年 12 月 1 日起，无法创建新的机器学习工作室（经典）资源（工作区和 Web 服务计划）。在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）试验和 Web 服务。有关详细信息，请参阅：

机器学习工作室（经典）文档即将停用，并且将来可能不会更新。

本文介绍如何在 Azure 机器学习中重新生成工作室（经典）“执行 R 脚本”模块。

有关从工作室（经典）迁移的详细信息，请参阅迁移概述一文。

执行 R 脚本

Azure 机器学习设计器现在在 Linux 上运行。工作室（经典）在 Windows 上运行。由于平台更改，你必须在迁移过程中调整“执行 R 脚本”，否则管道会失败。

若要从工作室（经典）中迁移“执行 R 脚本”模块，必须将 maml.mapInputPort 和 maml.mapOutputPort 接口替换为标准函数。

下表总结了对 R 脚本模块的更改：

功能	工作室（经典版）	Azure 机器学习设计器
脚本接口	`maml.mapInputPort` 和 `maml.mapOutputPort`	函数接口
平台	Windows	Linux
可访问 Internet	否	是
内存	14 GB	依赖于计算 SKU

如何更新 R 脚本接口

下面是工作室（经典）中的示例“执行 R 脚本” 模块的内容：

# 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");

下面是设计器中的更新内容。请注意，已将 maml.mapInputPort 和 maml.mapOutputPort 替换为标准函数接口 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)) 
}

有关详细信息，请参阅设计器执行 R 脚本模块参考。

从 Internet 安装 R 包

Azure 机器学习设计器使你可以直接从 CRAN 安装包。

这是对工作室（经典）的改进。由于工作室（经典）在不具有 Internet 访问权限的沙盒环境中运行，因此你必须在 zip 包中上传脚本，才能安装更多包。

使用以下代码在设计器的“执行 R 脚本”模块中安装 CRAN 包：

  if(!require(zoo)) { 
      install.packages("zoo",repos = "http://cran.us.r-project.org") 
  } 
  library(zoo)

后续步骤

本文介绍了如何将执行 R 脚本模块迁移到 Azure 机器学习。

请参阅工作室（经典）迁移系列中的其他文章：

在工作室（经典）中迁移“执行 R 脚本”模块

执行 R 脚本

如何更新 R 脚本接口

从 Internet 安装 R 包

后续步骤

其他资源