Usługi sieci Web Machine Learning Studio (wersja klasyczna): wdrażanie i zużycie

DOTYCZY: Machine Learning Studio (wersja klasyczna) Azure Machine Learning

Ważne

Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.

Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).

• Zobacz informacje na temat przenoszenia projektów uczenia maszynowego z usługi ML Studio (klasycznej) do usługi Azure Machine Learning.
• Dowiedz się więcej o usłudze Azure Machine Learning

Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.

Za pomocą usługi Machine Learning Studio (klasycznej) można wdrażać przepływy pracy i modele uczenia maszynowego jako usługi internetowe. Te usługi internetowe mogą następnie służyć do wywoływania modeli uczenia maszynowego z aplikacji przez Internet w celu wykonywania przewidywań w czasie rzeczywistym lub w trybie wsadowym. Ponieważ usługi internetowe są RESTful, można wywoływać je z różnych języków programowania i platform, takich jak .NET i Java, i z aplikacji, takich jak Excel.

W następnych sekcjach znajdują się linki do przewodników, kodu i dokumentacji, które ułatwiają rozpoczęcie pracy.

Wdrażanie usługi internetowej

Za pomocą usługi Machine Learning Studio (wersja klasyczna)

Portal studio (klasyczny) i portal usług sieci Web Machine Learning ułatwiają wdrażanie usługi internetowej i zarządzanie nią bez konieczności pisania kodu.

Poniższe linki zawierają ogólne informacje o sposobie wdrażania nowej usługi internetowej:

• Aby zapoznać się z omówieniem wdrażania nowej usługi internetowej opartej na usłudze Azure Resource Manager, zobacz Wdrażanie nowej usługi internetowej.

• Aby zapoznać się z przewodnikiem dotyczącym sposobu wdrażania usługi internetowej, zobacz Deploy a Machine Learning web service (Wdrażanie usługi internetowej Machine Learning).

• Aby zapoznać się z pełnym przewodnikiem dotyczącym tworzenia i wdrażania usługi internetowej, zacznij od artykułu Samouczek 1: Przewidywanie ryzyka kredytowego.

• Aby zapoznać się z konkretnymi przykładami, które wdrażają usługę internetową, zobacz:

  • Samouczek 3. Wdrażanie modelu ryzyka kredytowego
  • Jak wdrożyć usługę internetową w wielu regionach

Za pomocą interfejsów API dostawcy zasobów usług internetowych (interfejsy API usługi Azure Resource Manager)

Dostawca zasobów usługi Machine Learning Studio (wersja klasyczna) dla usług internetowych umożliwia wdrażanie usług internetowych i zarządzanie nimi przy użyciu wywołań interfejsu API REST. Aby uzyskać więcej informacji, zobacz dokumentację usługi Machine Learning Web Service (REST).

Za pomocą poleceń cmdlet programu PowerShell

Dostawca zasobów usługi Machine Learning Studio (wersja klasyczna) dla usług internetowych umożliwia wdrażanie usług internetowych i zarządzanie nimi przy użyciu poleceń cmdlet programu PowerShell.

Aby użyć poleceń cmdlet, musisz najpierw zalogować się do konta platformy Azure z poziomu środowiska programu PowerShell przy użyciu polecenia cmdlet Connect-AzAccount . Jeśli nie znasz sposobu wywoływania poleceń programu PowerShell opartych na usłudze Resource Manager, zobacz Używanie programu Azure PowerShell z usługą Azure Resource Manager.

Aby wyeksportować eksperyment predykcyjny, użyj tego przykładowego kodu. Po utworzeniu pliku .exe na podstawie kodu możesz wpisać:

C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>

Uruchomienie aplikacji powoduje utworzenie szablonu JSON usługi internetowej. Aby użyć szablonu do wdrożenia usługi internetowej, należy dodać następujące informacje:

• Nazwa i klucz konta magazynu

  Nazwę i klucz konta magazynu można pobrać z witryny Azure Portal.

• Identyfikator planu zobowiązania

  Identyfikator planu można uzyskać z portalu usług sieci Web Machine Learning, logując się i klikając nazwę planu.

Dodaj je do szablonu JSON jako elementów podrzędnych węzła Właściwości na tym samym poziomie co węzeł MachineLearningWorkspace.

Oto przykład:

"StorageAccount": {
        "name": "YourStorageAccountName",
        "key": "YourStorageAccountKey"
},
"CommitmentPlan": {
    "id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}

Aby uzyskać dodatkowe informacje, zobacz następujące artykuły i przykładowy kod:

• Dokumentacja poleceń cmdlet usługi Machine Learning Studio (wersja klasyczna) w witrynie MSDN

Korzystanie z usług internetowych

Z poziomu interfejsu użytkownika usług sieci Web usługi Machine Learning (testowanie)

Usługę internetową można przetestować w portalu usług sieci Web Machine Learning. Obejmuje to testowanie interfejsów usługi Request-Response Service (RRS) i usługi Batch Execution (BES).

• Wdrażanie nowej usługi sieci Web
• Wdrażanie usługi sieci Web Machine Learning
• Samouczek 3. Wdrażanie modelu ryzyka kredytowego

Z programu Excel

Możesz pobrać szablon programu Excel, który korzysta z usługi internetowej:

• Korzystanie z usługi internetowej Machine Learning z programu Excel
• Dodatek programu Excel dla usług sieci Web Machine Learning

Z klienta opartego na protokole REST

Usługi sieci Web uczenia maszynowego to interfejsy API RESTful. Możesz korzystać z tych interfejsów API z różnych platform, takich jak .NET, Python, R, Java itp. Strona Korzystanie z usługi internetowej w portalu usług sieci Web Machine Learning zawiera przykładowy kod, który może pomóc w rozpoczęciu pracy. Aby uzyskać więcej informacji, zobacz How to consume a Machine Learning Web Service (Jak korzystać z usługi sieci Web Machine Learning).