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 Azure 机器学习中重新生成工作室（经典）Web 服务

项目
06/03/2023

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 ML 工作室（经典）Web 服务作为终结点。

使用 Azure 机器学习管道终结点进行预测、重新训练模型或运行任何通用管道。 REST 终结点允许你在任何平台上运行管道。

本文是 Azure 机器学习迁移系列的工作室（经典）的一部分。有关迁移到 Azure 机器学习的详细信息，请参阅迁移概述一文。

注意

本迁移系列重点介绍拖放设计器。有关以编程方式部署模型的详细信息，请参阅在 Azure 中部署机器学习模型。

先决条件

具有活动订阅的 Azure 帐户。免费创建帐户。
Azure 机器学习工作区。创建工作区资源。
Azure 机器学习训练管道。有关详细信息，请参阅在 Azure 机器学习中重新生成工作室（经典）试验。

实时终结点与管道终结点

工作室（经典）Web 服务已被 Azure 机器学习中的终结点所取代。使用下表来选择要使用的终结点类型：

工作室（经典）Web 服务	Azure 机器学习替换
请求/响应 Web 服务（实时预测）	实时终结点
批处理 Web 服务（批处理预测）	管道终结点
重新训练 Web 服务（重新训练）	管道终结点

部署实时终结点

在工作室（经典）中，你使用请求/响应 Web 服务来部署实时预测模型。在 Azure 机器学习中，你将使用实时终结点。

在 Azure 机器学习中，有多种部署模型的方法。最简单的方法之一是使用设计器自动执行部署过程。使用以下步骤将模型部署为实时终结点：

至少运行一次已完成的训练管道。
作业完成后，请在画布顶部，选择“创建推理管道”>“实时推理管道”。

设计器将训练管道转换为实时推理管道。在工作室（经典）中也会发生类似的转换。

在设计器中，转换步骤还会将训练的模型注册到 Azure 机器学习工作区。
选择“提交”以运行实时推理管道，并验证它是否成功运行。
验证推理管道后，选择“部署”。

输入终结点的名称和计算类型。

下表描述了设计器中的部署计算选项：

计算目标	用途	说明	创建
Azure Kubernetes 服务 (AKS)	实时推理	大规模的生产部署。快速响应时间和服务自动缩放。	用户创建。有关详细信息，请参阅创建计算目标。
Azure 容器实例	测试或开发	需要小于 48 GB RAM 的基于 CPU 的小型工作负载。	由 Azure 机器学习自动创建。

测试实时终结点

部署完成后，可以看到更多详细信息并测试终结点：

转到“终结点”选项卡。
选择终结点。
选择“测试”选项卡。

发布管道终结点以进行批处理预测或重新训练

还可以使用训练管道来创建管道终结点，而不是实时终结点。使用管道终结点来执行批处理预测或重新训练。

管道终结点将替换工作室（经典）的批处理执行终结点，并重新训练 Web 服务。

发布用于批处理预测的管道终结点

发布批处理预测终结点类似于实时终结点。

使用以下步骤发布用于批处理预测的管道终结点：

至少运行一次已完成的训练管道。
作业完成后，请在画布顶部，选择“创建推理管道”>“批处理推理管道”。

设计器将训练管道转换为批推理管道。在工作室（经典）中也会发生类似的转换。

在设计器中，此步骤还会将训练的模型注册到 Azure 机器学习工作区。
选择“提交”以运行批处理推理管道，并验证它是否成功完成。
验证推理管道后，选择“发布”。
创建新的管道终结点或选择现有管道终结点。

新管道终结点为管道创建新的 REST 终结点。

如果选择现有管道终结点，不会覆盖现有管道。相反，Azure 机器学习在终结点对每个管道进行版本化。可以指定要在 REST 调用中运行的版本。如果 REST 调用未指定版本，还必须设置默认管道。

发布管道终结点以进行重新训练

若要发布管道终结点以进行重新训练，必须已有训练模型的管道草稿。有关生成训练管道的详细信息，请参阅重新生成工作室（经典）试验。

若要重用管道终结点以重新训练，必须为输入数据集创建管道参数。这使你可以动态设置训练数据集，以便重新训练模型。

使用以下步骤发布重新训练的管道终结点：

至少运行一次训练管道。
运行完成后，选择数据集模块。
在“模块详细信息”窗格中，选择“设置为管道参数”。
提供一个说明性名称，如“InputDataset”。

这会为输入数据集创建管道参数。当你调用管道终结点进行训练时，可以指定一个新的数据集来重新训练模型。
选择发布。

从工作室调用管道终结点

创建批处理推理或重新训练管道终结点后，可以直接从浏览器调用终结点。

转到“管道”选项卡，然后选择“管道终结点”。
选择要运行的管道终结点。
选择“提交”。

选择“提交”后，可以指定任何管道参数。

后续步骤

本文介绍如何在 Azure 机器学习中重新生成工作室（经典）Web 服务。下一步是将 Web 服务与客户端应用集成。

请参阅工作室（经典）迁移系列中的其他文章：