Einleitung

  • 3 Minuten

Stellen Sie sich vor, Sie haben ein Modell trainiert, um den Produktumsatz vorherzusagen. Das Modell wurde in Azure Machine Learning trainiert und nachverfolgt. Jeden Monat möchten Sie das Modell verwenden, um den Umsatz für den kommenden Monat zu prognostizieren.

In vielen Produktionsszenarien werden lang andauernde Aufgaben, die mit großen Datenmengen umgehen, als Stapelverarbeitungs- Vorgänge ausgeführt. Im maschinellen Lernen wird Batchableitung verwendet, um asynchron ein Prädiktivmodell auf mehrere Fälle anzuwenden und die Ergebnisse in eine Datei oder Datenbank zu schreiben.

Diagramm, das einen Batch-Inference-Dienst zeigt, der einen Batch-Bewertungsauftrag auslöst.

In Azure Machine Learning können Sie Batch-Inferencing-Lösungen implementieren, indem Sie ein Modell auf einem Batchendpunkt bereitstellen.

Lernziele

In diesem Modul erfahren Sie, wie Sie:

  • Erstellen Sie einen Batchendpunkt.
  • Stellen Sie Ihr MLflow-Modell an einem Batchendpunkt bereit.
  • Stellen Sie ein benutzerdefiniertes Modell auf einem Batch-Endpunkt bereit.
  • Batch-Endpunkte aufrufen.