資料輸入和輸出

  • 發行項

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。 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) 資源。

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

注意

適用于：僅限機器學習 Studio (傳統)

Azure Machine Learning 設計工具中提供類似的拖放模組。

本文列出您可以用來在機器學習 Studio (傳統) 中匯入和匯出資料和模型的模組。

除了使用模組之外，您還可以直接從您的電腦或網路上的本機檔案上傳和下載資料集。 如需詳細資訊，請參閱Upload 現有的資料進入機器學習實驗。

以下是您可以用來在機器學習 Studio (傳統) 中匯入和匯出資料和模型的一些來源：

  • 從雲端中的來源取得資料，例如 Azure SQL Database、Azure SQL Data Warehouse、Azure 儲存體和 Azure Cosmos DB。 您也可以匯入提供為公用 web URL 的資料、使用 Hive 查詢從 Hadoop 取得資料，或查詢內部部署 SQL server。
  • 從 Azure Blob 儲存體載入映射集合，以在影像分類工作中使用。
  • 從您上傳至機器學習的壓縮檔案中解壓縮資料。 您可以在實驗中使用資料集。
  • 輸入機器學習 Studio (傳統) UI 來建立小型資料集。 這對建立小型測試資料集很方便。
  • 將您的結果或中繼資料儲存至 Azure 資料表儲存體、Blob 儲存體、SQL 資料庫或 Hive 查詢。
  • 從 URL 或 Blob 儲存體取得定型的模型，然後在實驗中使用它。

注意

此群組中的模組只會將資料移入或移出機器學習 Studio (傳統) 。 匯入或匯出程式期間，您無法使用模組來篩選、轉換或轉換資料。

如需如何在機器學習 Studio (傳統) 中轉換和篩選資料的詳細資訊，請參閱資料轉換。

資源

下列文章介紹機器學習服務中的常見資料案例：

開始使用

瞭解如何在雲端中管理機器學習的資料。 本文中的資訊是以簡潔的產業標準為基礎。 本文提供端對端逐步解說，示範如何整合機器學習與雲端資料解決方案，例如 Azure HDInsight 和 SQL Database。

本文說明如何將您的資料匯入 Azure，然後建立實驗。

先進的資料科學

瞭解如何安裝機器學習 Python 用戶端程式庫，然後使用它來存取中繼資料和處理資料集。

實驗範例

模組清單

資料輸入和輸出類別包含下列模組：

  • 手動輸入資料：讓您藉由輸入值來建立小型資料集。
  • 匯出資料：將資料集寫入 web url 或 Azure 中各種形式的雲端式儲存體，例如資料表、blob 或 SQL 資料庫。
  • 匯入資料：從網路上的外部來源，以及從 Azure 中各種形式的雲端式儲存體載入資料，例如資料表儲存體、Blob 儲存體、SQL Database、SQL Data Warehouse、Azure Cosmos DB 或 Hive 查詢。 您也可以從內部部署 SQL Server 資料庫匯入資料。
  • 負載定型的模型：從 URL 或 Blob 儲存體取得定型的模型，以便在評分實驗中使用。
  • 解壓縮壓縮的資料集：解壓縮以壓縮格式儲存的資料集，然後將資料集新增至您的工作區。

另請參閱