Batch-eindpunten aanroepen en problemen oplossen

Voltooid

Wanneer u een batch-eindpunt aanroept, activeert u een Azure Machine Learning-pijplijntaak. Voor de taak wordt een invoerparameter verwacht die verwijst naar de gegevensset die u wilt scoren.

De batchscoretaak activeren

Als u gegevens wilt voorbereiden voor batchvoorspellingen, kunt u een map registreren als een gegevensasset in de Azure Machine Learning-werkruimte.

U kunt vervolgens de geregistreerde gegevensasset als invoer gebruiken bij het aanroepen van het batch-eindpunt met de Python SDK:

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)

U kunt de uitvoering van de pijplijntaak in de Azure Machine Learning-studio controleren. Alle taken die worden geactiveerd door het batch-eindpunt aan te roepen, worden weergegeven op het tabblad Taken van het batch-eindpunt.

De voorspellingen worden opgeslagen in het standaardgegevensarchief.

Problemen met een batchscoretaak oplossen

De batchscoretaak wordt uitgevoerd als een pijplijntaak. Als u problemen met de pijplijntaak wilt oplossen, kunt u de details en de uitvoer en logboeken van de pijplijntaak zelf bekijken.

Als u problemen met het scorescript wilt oplossen, kunt u de onderliggende taak selecteren en de uitvoer en logboeken ervan bekijken.

Navigeer naar het tabblad Uitvoer en logboeken . De logboeken/gebruiker/ map bevat drie bestanden waarmee u problemen kunt oplossen:

• job_error.txt: De fouten in uw script samenvatten.
• job_progress_overview.txt: biedt informatie op hoog niveau over het aantal minibatches dat tot nu toe is verwerkt.
• job_result.txt: Toont fouten bij het aanroepen van de init() en run() functie in het scorescript.