Beheerde online-eindpunten testen

Voltooid

Nadat u een realtimeservice hebt geïmplementeerd, kunt u deze gebruiken vanuit clienttoepassingen om labels voor nieuwe gegevenscases te voorspellen.

De Azure Machine Learning-studio gebruiken

U kunt alle eindpunten in de Azure Machine Learning-studio weergeven door naar de pagina Eindpunten te navigeren. Op het tabblad Realtime-eindpunten worden alle eindpunten weergegeven.

U kunt een eindpunt selecteren om de details en implementatielogboeken ervan te bekijken.

Daarnaast kunt u de studio gebruiken om het eindpunt te testen.

De Azure Machine Learning Python SDK gebruiken

Voor het testen kunt u ook de Azure Machine Learning Python SDK gebruiken om een eindpunt aan te roepen.

Normaal gesproken verzendt u gegevens naar het geïmplementeerde model in JSON-indeling met de volgende structuur:

{
  "data":[
      [0.1,2.3,4.1,2.0], // 1st case
      [0.2,1.8,3.9,2.1],  // 2nd case,
      ...
  ]
}

Het antwoord van het geïmplementeerde model is een JSON-verzameling met een voorspelling voor elk geval dat in de gegevens is verzonden. Het volgende codevoorbeeld roept een eindpunt aan en geeft het antwoord weer:

# test the blue deployment with some sample data
response = ml_client.online_endpoints.invoke(
    endpoint_name=online_endpoint_name,
    deployment_name="blue",
    request_file="sample-data.json",
)

if response[1]=='1':
    print("Yes")
else:
    print ("No")