Opětovné natrénování a nasazení webové služby Classic Studio (Classic)

PLATÍ PRO: Machine Learning Studio (classic) Neplatí pro.

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

• Přečtěte si informace o přesunu projektů strojového učení ze sady ML Studio (classic) do služby Azure Machine Learning.
• Další informace o službě Azure Machine Learning

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Přetrénování modelů strojového učení je jedním ze způsobů, jak zajistit, aby zůstaly přesné a založené na nejrelevavantnějších dostupných datech. V tomto článku se dozvíte, jak přetrénovat klasickou webovou službu (Classic). Pokyny k opětovnému natrénování nové webové služby v sadě Studio (Classic) najdete v tomto článku s postupy.

Požadavky

Tento článek předpokládá, že už máte experiment pro opětovné natrénování i prediktivní experiment. Tyto kroky jsou vysvětleny v části Opětovné trénování a nasazení modelu strojového učení. Místo nasazení modelu strojového učení jako nové webové služby ale nasadíte prediktivní experiment jako klasickou webovou službu.

Přidání nového koncového bodu

Prediktivní webová služba, kterou jste nasadili, obsahuje výchozí bodovací koncový bod, který je synchronizovaný s původním trénováním a vyhodnocováním experimentů natrénovaných modelem. Pokud chcete webovou službu aktualizovat na nový natrénovaný model, musíte vytvořit nový bodovací koncový bod.

Existují dva způsoby, jak do webové služby přidat nový koncový bod:

• Prostřednictvím kódu programu
• Použití portálu Webových služeb Azure

Poznámka:

Ujistěte se, že přidáváte koncový bod do prediktivní webové služby, nikoli do webové služby pro trénování. Pokud jste správně nasadili trénování i prediktivní webovou službu, měli byste vidět dvě samostatné webové služby. Prediktivní webová služba by měla končit "[predictive exp.]".

Přidání koncového bodu prostřednictvím kódu programu

Bodovací koncové body můžete přidat pomocí ukázkového kódu uvedeného v tomto úložišti GitHub.

Přidání koncového bodu pomocí portálu Webových služeb Azure

1. V nástroji Machine Learning Studio (classic) v levém navigačním sloupci klikněte na Webové služby.
2. V dolní části řídicího panelu webové služby klikněte na Spravovat koncové body ve verzi Preview.
3. Klikněte na tlačítko Přidat.
4. Zadejte název a popis nového koncového bodu. Vyberte úroveň protokolování a určete, jestli jsou povolená ukázková data. Další informace o protokolování naleznete v tématu Povolení protokolování pro webové služby Machine Learning.

Aktualizace natrénovaného modelu přidaného koncového bodu

Načtení adresy URL PATCH

Pomocí následujícího postupu získejte správnou adresu URL PATCH pomocí webového portálu:

1. Přihlaste se k portálu webových služeb Azure Machine Learning.
2. Klikněte na webové služby nebo klasické webové služby v horní části.
3. Klikněte na webovou službu bodování, se kterou pracujete (pokud jste neupravovali výchozí název webové služby, skončí na "[Bodování exp.]").
4. Klikněte na +NOVÝ.
5. Po přidání koncového bodu klikněte na název koncového bodu.
6. Pod adresou URL opravy kliknutím na nápovědu k rozhraní API otevřete stránku nápovědy pro opravy.

Poznámka:

Pokud jste místo prediktivní webové služby přidali koncový bod do webové služby pro trénování, zobrazí se při kliknutí na odkaz Aktualizovat prostředek následující chyba: Omlouváme se, ale tato funkce není v tomto kontextu podporovaná nebo dostupná. Tato webová služba nemá žádné aktualizovatelné prostředky. Omlouváme se za nepříjemnosti a pracujeme na vylepšování tohoto pracovního postupu."

Stránka nápovědy PATCH obsahuje adresu URL PATCH, kterou musíte použít, a obsahuje vzorový kód, který můžete použít k jeho volání.

Aktualizace koncového bodu

Teď můžete pomocí natrénovaného modelu aktualizovat bodovací koncový bod, který jste vytvořili dříve.

Následující ukázkový kód ukazuje, jak pomocí BaseLocation, RelativeLocation, SasBlobToken a PATCH URL aktualizovat koncový bod.

private async Task OverwriteModel()
{
    var resourceLocations = new
    {
        Resources = new[]
        {
            new
            {
                Name = "Census Model [trained model]",
                Location = new AzureBlobDataReference()
                {
                    BaseLocation = "https://esintussouthsus.blob.core.windows.net/",
                    RelativeLocation = "your endpoint relative location", //from the output, for example: "experimentoutput/8946abfd-79d6-4438-89a9-3e5d109183/8946abfd-79d6-4438-89a9-3e5d109183.ilearner"
                    SasBlobToken = "your endpoint SAS blob token" //from the output, for example: "?sv=2013-08-15&sr=c&sig=37lTTfngRwxCcf94%3D&st=2015-01-30T22%3A53%3A06Z&se=2015-01-31T22%3A58%3A06Z&sp=rl"
                }
            }
        }
    };

    using (var client = new HttpClient())
    {
        client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue("Bearer", apiKey);

        using (var request = new HttpRequestMessage(new HttpMethod("PATCH"), endpointUrl))
        {
            request.Content = new StringContent(JsonConvert.SerializeObject(resourceLocations), System.Text.Encoding.UTF8, "application/json");
            HttpResponseMessage response = await client.SendAsync(request);

            if (!response.IsSuccessStatusCode)
            {
                await WriteFailedResponse(response);
            }

            // Do what you want with a successful response here.
        }
    }
}

Klíč apiKey a koncový bodUrl pro volání je možné získat z řídicího panelu koncového bodu.

Hodnota parametru Name v resources by měla odpovídat názvu prostředku uloženého trénovaného modelu v prediktivním experimentu. Získání názvu prostředku:

1. Přihlaste se k portálu Azure.
2. V nabídce vlevo klikněte na Machine Learning.
3. V části Název klikněte na pracovní prostor a potom klikněte na Webové služby.
4. V části Název klikněte na Census Model [predictive exp.].
5. Klikněte na nový koncový bod, který jste přidali.
6. Na řídicím panelu koncového bodu klikněte na Aktualizovat prostředek.
7. Na stránce Dokumentace k rozhraní API pro aktualizaci prostředků pro webovou službu najdete název prostředku v části Aktualizovatelné prostředky.

Pokud platnost tokenu SAS vyprší před dokončením aktualizace koncového bodu, musíte provést get s ID úlohy, abyste získali nový token.

Po úspěšném spuštění kódu by měl nový koncový bod začít používat přetrénovaný model přibližně za 30 sekund.

Další kroky

Další informace o správě webových služeb nebo sledování více spuštění experimentů najdete v následujících článcích:

• Prozkoumání portálu webových služeb
• Správa iterací experimentů