Modelimplementatie
U kunt een model handmatig implementeren met de Azure Machine Learning-werkruimte. Als u automatisch een model wilt implementeren, kunt u de Azure Machine Learning CLI (v2) en GitHub Actions gebruiken. Als u automatisch een model wilt implementeren met GitHub Actions, moet u het volgende doen:
- Pak het model in en registreer het.
- Maak een eindpunt en implementeer het model.
- Het geïmplementeerde model testen
Het model verpakken en registreren
Wanneer u een model wilt implementeren met de Azure Machine Learning-werkruimte, moet u de uitvoer van het model opslaan en het model registreren in de werkruimte. Wanneer u het model registreert, geeft u op of u een MLflow- of aangepast model hebt.
Wanneer u een model met MLflow maakt en in een logboek opgeeft, kunt u implementatie zonder code gebruiken.
Tip
Meer informatie over het implementeren van MLflow-modellen.
Als u uw model wilt registreren met MLflow, schakelt u autologging in uw trainingsscript in met behulp van mlflow.autolog().
Wanneer u een model aanmeldt tijdens het trainen van het model, wordt het model opgeslagen in de taakuitvoer. U kunt het model ook opslaan in een Azure Machine Learning-gegevensarchief.
Als u het model wilt registreren, kunt u verwijzen naar de uitvoer van een taak of naar een locatie in een Azure Machine Learning-gegevensarchief.
Een eindpunt maken en het model implementeren
Als u het model wilt implementeren op een eindpunt, maakt u eerst een eindpunt en implementeert u vervolgens het model. Een eindpunt is een HTTPS-eindpunt waarnaar de web-app gegevens kan verzenden en een voorspelling kan ophalen. U wilt dat het eindpunt hetzelfde blijft, zelfs nadat u een bijgewerkt model op hetzelfde eindpunt hebt geïmplementeerd. Wanneer het eindpunt hetzelfde blijft, hoeft de web-app niet telkens te worden bijgewerkt wanneer het model opnieuw wordt getraind.
Tip
Meer informatie over het implementeren van een model met de Azure Machine Learning CLI (v2).
Het model testen
Ten slotte wilt u het geïmplementeerde model testen voordat u het eindpunt integreert met de web-app. Of voordat u al het verkeer van een eindpunt naar het bijgewerkte model converteert. U kunt handmatig een online-eindpunt testen of u kunt het testen van het eindpunt automatiseren met GitHub Actions.
Notitie
U kunt een testtaak toevoegen aan dezelfde werkstroom als de modelimplementatietaak. Het kan echter even duren voordat de modelimplementatie is voltooid. U moet er daarom voor zorgen dat het testen alleen plaatsvindt wanneer de modelimplementatie is voltooid.