從用戶端應用程式取用管線端點

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。

自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源 (工作區與 Web 服務方案)。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 實驗與 Web 服務。

• 請參閱將機器學習專案從 ML 工作室 (傳統) 移至 Azure Machine Learning 的相關資訊。
• 深入了解 Azure Machine Learning

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

在本文中，您將了解如何整合用戶端應用程式與 Azure Machine Learning 端點。

本文章是 ML 工作室 (傳統) 到 Azure Machine Learning 移轉系列的一部分。 如需移轉至 Azure Machine Learning 的詳細資訊，請參閱移轉概觀文章。

必要條件

• 具有有效訂用帳戶的 Azure 帳戶。 免費建立帳戶。
• Azure Machine Learning 工作區。 建立工作區資源。
• Azure Machine Learning 即時端點或管線端點。

取用即時端點

如果您將模型部署為 [即時端點]，則可以在 C#、Python 和 R 中找到其 REST 端點和預先產生的取用程式碼：

1. 移至 Azure Machine Learning 工作室 (ml.azure.com)。
2. 移至 [端點] 索引標籤。
3. 選取您的即時端點。
4. 選取 [取用]。

注意

您也可以在詳細資料索引標籤中找到端點的 Swagger 規格。使用 Swagger 定義來瞭解您的端點架構。 如需 Swagger 定義的詳細資訊，請參閱 Swagger 官方文件。

使用管線端點

取用管線端點有兩個方式：

• REST API 呼叫
• 與 Azure Data Factory 整合

使用 REST API 呼叫

從您的用戶端應用程式呼叫 REST 端點。 您可以使用您端點的 Swagger 規格來了解其結構描述：

1. 移至 Azure Machine Learning 工作室 (ml.azure.com)。
2. 移至 [端點] 索引標籤。
3. 選取 [管線端點]。
4. 選取您的管線端點。
5. 在 [管線端點概觀] 窗格中，選取 [REST 端點文件] 底下的連結。

使用 Azure Data Factory

您可以呼叫 Azure Machine Learning 管線，作為 Azure Data Factory 管線中的一個步驟。 如需詳細資訊，請參閱在 Azure Data Factory 中執行 Azure Machine Learning 管線。

下一步

在本文中，您已了解如何尋找管線端點的架構和範例程式碼。 如需驗證端點的詳細資訊，請參閱向線上端點進行驗證。

請參閱 Azure Machine Learning 移轉系列中的其餘文章：

• 移轉概觀。
• 移轉資料集。
• 重建工作室 (傳統) 定型管線。
• 重建工作室 (傳統) Web 服務。
• 移轉執行 R 指令碼。