Invocación y solución de problemas de puntos de conexión por lotes

Completado

Al invocar un punto de conexión por lotes, se desencadena un trabajo de canalización de Azure Machine Learning. El trabajo esperará un parámetro de entrada que apunte al conjunto de datos que desea puntuar.

Desencadenamiento del trabajo de puntuación por lotes

Para preparar los datos para las predicciones por lotes, puede registrar una carpeta como un recurso de datos en el área de trabajo de Azure Machine Learning.

A continuación, puede usar el recurso de datos registrado como entrada al invocar el punto de conexión por lotes con el SDK de Python:

from azure.ai.ml import Input
from azure.ai.ml.constants import AssetTypes

input = Input(type=AssetTypes.URI_FOLDER, path="azureml:new-data:1")

job = ml_client.batch_endpoints.invoke(
    endpoint_name=endpoint.name, 
    input=input)

Puede supervisar la ejecución del trabajo de canalización en Estudio de Azure Machine Learning. Todos los trabajos que se desencadenan invocando el punto de conexión por lotes se mostrarán en la pestaña Trabajos del punto de conexión por lotes.

Las predicciones se almacenarán en el almacén de datos predeterminado.

Solución de problemas de un trabajo de puntuación por lotes

El trabajo de puntuación por lotes se ejecuta como un trabajo de canalización. Si desea solucionar problemas del trabajo de canalización, puede revisar sus detalles y los resultados y registros del propio trabajo de canalización.

Si desea solucionar problemas del script de puntuación, puede seleccionar el trabajo secundario y revisar sus salidas y registros.

Vaya a la pestaña Salidas y registros. La carpeta logs/user/ contiene tres archivos que le ayudarán a solucionar problemas:

• job_error.txt: resume los errores del script.
• job_progress_overview.txt: proporciona información detallada sobre el número de minilotes procesados hasta el momento.
• job_result.txt: muestra errores al llamar a la función init() y run() en el script de puntuación.