Cosa è successo a Azure Batch'intelligenza artificiale?
Il servizio di intelligenza artificiale Azure Batch è stato ritirato. Le funzionalità di training su larga scala di Batch per intelligenza artificiale sono disponibili nel servizio Azure Machine Learning. Eseguire la migrazione oggi.
Oltre a molte altre funzionalità di Machine Learning, il servizio Azure Machine Learning include una destinazione di calcolo gestita basata sul cloud per il training e i modelli di Machine Learning in batch. Questa destinazione di calcolo è denominata Calcolo di Azure Machine Learning ed estende tutte le funzionalità del servizio batch deprecato. Avviare la migrazione e usarlo subito. È possibile interagire con il servizio Azure Machine Learning tramite python SDK, interfaccia della riga di comando e portale di Azure.
Sequenza temporale del supporto
È possibile usare le sottoscrizioni di intelligenza artificiale Azure Batch esistenti solo per un periodo di tolleranza, ma il servizio viene ufficialmente ritirato senza supporto per i contratti di servizio. Non sono possibili nuove registrazioni di sottoscrizione e non vengono effettuati altri investimenti o aggiornamenti.
Il servizio verrà arrestato presto senza ulteriore avviso.
Nota
Il servizio Azure Machine Learning non è disponibile nei cloud per enti pubblici (la disponibilità generale è prevista per giugno 2019) e continuerà a supportare il servizio batch per intelligenza artificiale in tale area fino a quel periodo.
Confronto con Azure Machine Learning
Il servizio Azure Machine Learning è un servizio cloud che è possibile usare per eseguire il training di modelli di Machine Learning, distribuirli, automatizzarli e gestirli, il tutto su vasta scala, grazie all'ampia portata del cloud. Per una descrizione completa, vedere il servizio Azure Machine Learning in questa panoramica.
Un tipico ciclo di vita di sviluppo del modello prevede la preparazione dei dati, il training e la sperimentazione e una fase di distribuzione. Questo ciclo end-to-end può essere orchestrato usando le pipeline di Machine Learning.
Altre informazioni sul funzionamento del servizio e sui relativi concetti principali. Molti dei concetti nel flusso di lavoro del training del modello sono simili ai concetti esistenti in Batch per intelligenza artificiale.
In particolare, di seguito è riportata una mappatura di tali concetti:
| Servizio Batch per intelligenza artificiale | Servizio Azure Machine Learning |
|---|---|
| Area di lavoro | Area di lavoro |
| Cluster | Ambiente di calcolo di tipo AmlCompute |
| File server | Archivi dati |
| Sperimentazioni | Sperimentazioni |
| Processi | Esecuzioni (consente esecuzioni annidate) |
Di seguito è riportata un'altra visualizzazione della stessa tabella che consente di rappresentare in altro modo gli stessi concetti:
Gerarchia di Batch per intelligenza artificiale
Gerarchia del servizio Azure Machine Learning
Funzionalità delle piattaforme
Il servizio Azure Machine Learning offre una serie di nuove funzionalità, tra cui uno stack di distribuzione end-to-end> che è possibile usare per lo sviluppo di intelligenza artificiale senza dover gestire le risorse di Azure. Questa tabella mette a confronto il supporto delle funzionalità per il training tra i due servizi.
| Funzionalità | Servizio Batch per intelligenza artificiale | Servizio Azure Machine Learning |
|---|---|---|
| Scelta delle dimensioni delle macchine virtuali | CPU/GPU | CPU/GPU. Supporta anche FPGA per l'inferenza |
| Cluster idoneo per l'intelligenza artificiale (driver, docker e così via) | Sì | Sì |
| Preparazione nodo | Sì | No |
| Scelta delle famiglie di sistemi operativi | Parziale | No |
| Macchine virtuali dedicate e con priorità bassa | Sì | Sì |
| Ridimensionamento automatico | Sì | Sì (per impostazione predefinita) |
| Tempo di attesa per il ridimensionamento automatico | No | Sì |
| SSH | Sì | Sì |
| Montaggio a livello di cluster | Sì (condivisioni file, BLOB, NFS, personalizzato) | Sì (montaggio o download dell'archivio dati) |
| Training distribuito | Sì | Sì |
| Modalità di esecuzione processi | Macchina virtuale o contenitore | Contenitore |
| Immagine del contenitore personalizzata | Sì | Sì |
| Qualsiasi Toolkit | Sì | Sì (esecuzione di uno script Python) |
| Preparazione processi | Sì | Non ancora |
| Montaggio a livello di processo | Sì (condivisioni file, BLOB, NFS, personalizzato) | Sì (condivisioni file, BLOB) |
| Monitoraggio processi | Tramite GetJob | Tramite cronologia di esecuzione (informazioni più dettagliate, runtime personalizzato per il push di altre metriche) |
| Recupero di log di processo e di file/modelli | Tramite ListFiles e API di archiviazione | Tramite il servizio Artifact |
| Supporto di Tensorboard | No | Sì |
| Quote a livello di famiglia di macchine virtuali | Sì | Sì (con la capacità precedente ereditata) |
Oltre alla tabella precedente, nel servizio Azure Machine Learning esistono funzionalità che tradizionalmente non erano supportate in Batch per intelligenza artificiale.
| Funzionalità | Servizio Batch per intelligenza artificiale | Servizio Azure Machine Learning |
|---|---|---|
| Preparazione dell'ambiente | No | Sì (preparazione ambiente Conda e caricamento in Registro Azure Container) |
| Ottimizzazione degli iperparametri | No | Sì |
| Gestione di modelli | No | Sì |
| Operazionalizzazione/Distribuzione | No | Tramite servizio Azure Kubernetes e Istanze di Azure Container |
| Preparazione dei dati | No | Sì |
| Destinazioni di calcolo | Macchine virtuali di Azure | Locale, Batch per intelligenza artificiale (come AmlCompute), DataBricks, HDInsight |
| Machine Learning automatizzato | No | Sì |
| Pipelines | No | Sì |
| Punteggio batch | Sì | Sì |
| Supporto portale/interfaccia della riga di comando | Sì | Sì |
Interfacce di programmazione
Questa tabella presenta le varie interfacce di programmazione disponibili per ogni servizio.
| Funzionalità | Servizio Batch per intelligenza artificiale | Servizio Azure Machine Learning |
|---|---|---|
| SDK | Java, C#, Python, Nodejs | Python (sia basato sulla configurazione di esecuzione che sull'oggetto Estimator per i framework comuni) |
| CLI | Sì | Non ancora |
| Portale di Azure | Sì | Sì (tranne l'invio di processi) |
| API REST | Sì | Sì ma distribuita tra i microservizi |
L'aggiornamento dal servizio Batch per intelligenza artificiale in anteprima al servizio Azure Machine Learning nella versione di disponibilità generale offre un'esperienza migliore attraverso concetti più facili da usare come gli oggetti Estimator e gli archivi dati. Garantisce anche contratti di servizio per Azure con disponibilità generale e assistenza clienti.
Il servizio Azure Machine Learning introduce anche nuove funzionalità come l'apprendimento automatico automatizzato, l'ottimizzazione degli iperparametri e le pipeline di Machine Learning, che sono utili nella maggior parte dei carichi di lavoro di intelligenza artificiale su larga scala. La possibilità di distribuire un modello con training senza ricorrere a un servizio separato consente di completare il ciclo di data science dalla preparazione dei dati (con l'SDK di preparazione dei dati) fino all'operazionalizzazione e al monitoraggio dei modelli.
Migrate
Per informazioni su come eseguire la migrazione e sul mapping tra il codice usato nel servizio Batch e il codice del servizio Azure Machine Learning, vedere Eseguire la migrazione da Azure Batch per intelligenza artificiale al servizio Azure Machine Learning.
Supporto
L'intelligenza artificiale batch è stata ritirata e sta già bloccando le nuove sottoscrizioni dalla registrazione sul servizio. Contattare Microsoft in Anteprima del training di Azure Batch per intelligenza artificiale per qualsiasi domanda o per commenti e suggerimenti durante la migrazione al servizio Azure Machine Learning.
Il servizio Azure Machine Learning è ora disponibile a livello generale. Ciò significa che viene fornito con un contratto di servizio e vari piani di supporto tra cui scegliere.
I prezzi per l'uso dell'infrastruttura di Azure tramite il servizio Batch per intelligenza artificiale o tramite il servizio Azure Machine Learning non devono variare, perché vengono addebitati solo il prezzo per il calcolo sottostante in entrambi i casi. Per altre informazioni, vedere il calcolatore dei prezzi.
Vedere la disponibilità a livello di area tra i due servizi nel portale di Azure.
Passaggi successivi
Leggere le informazioni su come eseguire la migrazione e sul mapping tra il codice usato nel servizio Batch e il codice del servizio Azure Machine Learning.
Leggere la panoramica del servizio Azure Machine Learning.
Configurare una destinazione di calcolo per il training del modello con il servizio Azure Machine Learning.
Rivedere la roadmap per Azure per informazioni su altri aggiornamenti del servizio di Azure.