Udostępnij za pośrednictwem

Co to jest projektant (wersja 1) w usłudze Azure Machine Learning?

  • Artykuł

Projektant usługi Azure Machine Learning to interfejs przeciągania i upuszczania używany do trenowania i wdrażania modeli w usłudze Azure Machine Learning Studio. W tym artykule opisano zadania, które można wykonać w projektancie.

Ważne

Projektant w usłudze Azure Machine Learning obsługuje dwa typy potoków, które używają klasycznych składników wstępnie utworzonych (v1) lub niestandardowych (v2). Dwa typy składników nie są zgodne w potokach, a projektant w wersji 1 nie jest zgodny z interfejsem wiersza polecenia w wersji 2 i zestawem SDK w wersji 2. Ten artykuł dotyczy potoków korzystających ze wstępnie utworzonych składników klasycznych (v1).

  • Klasyczne wstępnie utworzone składniki (wersja 1) obejmują typowe zadania przetwarzania danych i uczenia maszynowego, takie jak regresja i klasyfikacja. Usługa Azure Machine Learning nadal obsługuje istniejące wstępnie utworzone składniki klasyczne, ale nie są dodawane żadne nowe wstępnie utworzone składniki. Ponadto wdrożenie klasycznych wstępnie utworzonych składników (v1) nie obsługuje zarządzanych punktów końcowych online (wersja 2).

  • Składniki niestandardowe (wersja 2) umożliwiają opakowywanie własnego kodu jako składników, co umożliwia udostępnianie między obszarami roboczymi i bezproblemowe tworzenie w usłudze Azure Machine Learning Studio, interfejsie wiersza polecenia w wersji 2 i interfejsach SDK w wersji 2. Najlepiej używać składników niestandardowych dla nowych projektów, ponieważ są one zgodne z usługą Azure Machine Learning w wersji 2 i nadal otrzymują nowe aktualizacje. Aby uzyskać więcej informacji na temat składników niestandardowych i projektanta (wersja 2), zobacz Projektant usługi Azure Machine Learning (wersja 2).

Poniższy animowany plik GIF pokazuje, jak wizualnie utworzyć potok w projektancie, przeciągając i upuszczając zasoby i łącząc je.

Plik GIF budynku potoku w projektancie.

Aby dowiedzieć się więcej o składnikach dostępnych w projektancie, zobacz Informacje o algorytmie i składniku. Aby rozpocząć pracę z projektantem, zobacz Samouczek: trenowanie modelu regresji bez kodu.

Trenowanie i wdrażanie modelu

Projektant używa obszaru roboczego usługi Azure Machine Learning do organizowania udostępnionych zasobów, takich jak:

Na poniższym diagramie przedstawiono sposób użycia projektanta do utworzenia kompleksowego przepływu pracy uczenia maszynowego. Możesz trenować, testować i wdrażać modele, a wszystko to w interfejsie projektanta.

Diagram przepływu pracy na potrzeby trenowania, wnioskowania wsadowego i wnioskowania w czasie rzeczywistym w projektancie.

  • Przeciągnij i upuść zasoby i składniki danych na kanwę wizualizacji projektanta i połącz składniki, aby utworzyć wersję roboczą potoku.
  • Prześlij zadanie potoku korzystające z zasobów obliczeniowych w obszarze roboczym usługi Azure Machine Learning.
  • Przekonwertuj potoki trenowania na potoki wnioskowania.
  • Opublikuj potoki w punkcie końcowym potoku REST, aby przesłać nowe potoki, które są uruchamiane z różnymi parametrami i elementami zawartości danych.
    • Publikowanie potoku trenowania w celu ponownego użycia pojedynczego potoku w celu wytrenowania wielu modeli podczas zmieniania parametrów i zasobów danych.
    • Opublikuj potok wnioskowania wsadowego, aby przewidywać nowe dane przy użyciu wcześniej wytrenowanego modelu.
  • Wdróż potok wnioskowania w czasie rzeczywistym w punkcie końcowym online, aby przewidywać nowe dane w czasie rzeczywistym.

Data

Zasób danych uczenia maszynowego ułatwia dostęp do danych i pracę z danymi. Projektant zawiera kilka przykładowych zasobów danych do eksperymentowania. Możesz zarejestrować więcej zasobów danych w miarę ich potrzeb.

Składniki

Składnik to algorytm, który można uruchomić na danych. Projektant ma kilka składników, od funkcji ruchu przychodzącego danych do procesów trenowania, oceniania i walidacji.

Składnik może mieć parametry używane do konfigurowania algorytmów wewnętrznych składnika. Po wybraniu składnika na kanwie parametry składnika i inne ustawienia są wyświetlane w okienku właściwości po prawej stronie kanwy. Parametry można modyfikować i ustawiać zasoby obliczeniowe dla poszczególnych składników w tym okienku.

Zrzut ekranu przedstawiający właściwości składnika.

Aby uzyskać więcej informacji na temat biblioteki dostępnych algorytmów uczenia maszynowego, zobacz Dokumentację algorytmów i składników. Aby uzyskać pomoc dotyczącą wybierania algorytmu, zobacz ściągawkę dotyczącą algorytmów usługi Azure Machine Learning.

Pipelines

Potok składa się z zasobów danych i składników analitycznych, z którymi nawiązujesz połączenie. Potoki ułatwiają ponowne używanie pracy i organizowanie projektów.

Potoki mają wiele zastosowań. Możesz tworzyć potoki, które:

  • Trenowanie pojedynczego modelu.
  • Trenowanie wielu modeli.
  • Przewidywanie w czasie rzeczywistym lub w partii.
  • Czyszczenie tylko danych.

Wersje robocze potoku

Podczas edytowania potoku w projektancie postęp jest zapisywany jako wersja robocza potoku. Wersję roboczą potoku można edytować w dowolnym momencie, dodając lub usuwając składniki, konfigurując docelowe obiekty obliczeniowe lub ustawiając parametry.

Prawidłowy potok ma następujące cechy:

  • Zasoby danych mogą łączyć się tylko ze składnikami.
  • Składniki mogą łączyć się tylko z elementami zawartości danych lub innymi składnikami.
  • Wszystkie porty wejściowe dla składników muszą mieć pewne połączenie z przepływem danych.
  • Należy ustawić wszystkie wymagane parametry dla każdego składnika.

Gdy wszystko będzie gotowe do uruchomienia projektu potoku, należy zapisać potok i przesłać zadanie potoku.

Zadania potoku

Za każdym razem, gdy uruchamiasz potok, konfiguracja potoku i jego wyniki są przechowywane w obszarze roboczym jako zadanie potoku. Zadania potoku są grupowane w eksperymenty w celu organizowania historii zadań.

Możesz wrócić do dowolnego zadania potoku, aby sprawdzić je pod kątem rozwiązywania problemów lub inspekcji. Sklonuj zadanie potoku, aby utworzyć nową wersję roboczą potoku do edycji.

Zasoby obliczeniowe

Docelowe obiekty obliczeniowe są dołączone do obszaru roboczego usługi Azure Machine Learning w usłudze Azure Machine Learning Studio. Użyj zasobów obliczeniowych z obszaru roboczego, aby uruchomić potok i hostować wdrożone modele jako punkty końcowe online lub jako punkty końcowe potoku na potrzeby wnioskowania wsadowego. Obsługiwane cele obliczeniowe są następujące:

Docelowy zasób obliczeniowy Szkolenia Wdrożenie
Obliczenia w usłudze Azure Machine Learning ✓
Azure Kubernetes Service (AKS) ✓

Wdróż

Aby przeprowadzić wnioskowanie w czasie rzeczywistym, należy wdrożyć potok jako punkt końcowy online. Punkt końcowy online tworzy interfejs między aplikacją zewnętrzną a modelem oceniania. Punkt końcowy jest oparty na architekturze REST, popularnym wyborem architektury dla projektów programowania internetowego. Wywołanie punktu końcowego online zwraca wyniki przewidywania do aplikacji w czasie rzeczywistym.

Aby wywołać punkt końcowy online, należy przekazać klucz interfejsu API, który został utworzony podczas wdrażania punktu końcowego. Punkty końcowe online należy wdrożyć w klastrze usługi AKS. Aby dowiedzieć się, jak wdrożyć model, zobacz Samouczek: wdrażanie modelu uczenia maszynowego za pomocą projektanta.

Publikowanie

Potok można również opublikować w punkcie końcowym potoku. Podobnie jak w przypadku punktu końcowego online punkt końcowy potoku umożliwia przesyłanie nowych zadań potoku z aplikacji zewnętrznych przy użyciu wywołań REST. Nie można jednak wysyłać ani odbierać danych w czasie rzeczywistym przy użyciu punktu końcowego potoku.

Opublikowane punkty końcowe potoku są elastyczne i mogą służyć do trenowania lub ponownego trenowania modeli, wnioskowania wsadowego lub przetwarzania nowych danych. Możesz opublikować wiele potoków w jednym punkcie końcowym potoku i określić wersję potoku do uruchomienia.

Opublikowany potok jest uruchamiany na zasobach obliczeniowych zdefiniowanych w wersji roboczej potoku dla każdego składnika. Projektant tworzy ten sam obiekt PublishedPipeline co zestaw SDK.

Powiązana zawartość