Co się stało z Azure Batch sztuczną inteligencją?
Usługa Azure Batch AI została wycofana. Możliwości trenowania na dużą skalę usługi Batch AI są dostępne w usłudze Azure Machine Learning Service. Migrowanie dzisiaj.
Oprócz wielu innych możliwości uczenia maszynowego usługa Azure Machine Learning service obejmuje oparty na chmurze obiekt obliczeniowy przeznaczony do trenowania i oceniania wsadowego modeli uczenia maszynowego. Ten docelowy obiekt obliczeniowy jest nazywany usługą Azure Machine Learning Compute i rozszerza wszystkie możliwości przestarzałej usługi Batch AI. Migrację i korzystanie z tego obiektu warto zacząć już dziś. Możesz wchodzić w interakcje z usługą Azure Machine Learning za pomocą zestawu SDK języka Python, interfejsu wiersza polecenia i Azure Portal.
Oś czasu pomocy technicznej
Możesz używać istniejących subskrypcji sztucznej inteligencji Azure Batch tylko na okres prolongaty, ale usługa jest oficjalnie wycofana bez obsługi umów SLA. Nie są możliwe żadne nowe rejestracje subskrypcji i nie są wykonywane żadne dalsze inwestycje ani aktualizacje.
Usługa zostanie wkrótce zamknięta bez dalszych powiadomień.
Uwaga
Usługa Azure Machine Learning nie jest dostępna w chmurach dla instytucji rządowych (ogólna dostępność jest planowana w czerwcu 2019 r.), a do tego czasu będziemy nadal obsługiwać usługę Batch AI w tym regionie.
Porównanie z usługą Azure Machine Learning
Jest to usługa w chmurze, która pozwala trenować, wdrażać i automatyzować modele uczenia maszynowego oraz zarządzać nimi. Wszystko to jest możliwe na dużą skalę zapewnianą przez chmurę. Uzyskaj ogólne informacje na temat usługi Azure Machine Learning Service w tym omówieniu.
Typowy cykl życia projektowania modelu obejmuje fazy przygotowywania danych, trenowania i eksperymentowania oraz wdrażania. Ten kompleksowy cykl można orkiestrować przy użyciu potoków uczenia maszynowego.
Dowiedz się więcej na temat sposobu działania usługi i jej głównych pojęć. Wiele pojęć w przepływie pracy trenowania modelu jest podobnych do pojęć istniejących w usłudze Batch AI.
Oto mapowanie pomagające w ich zrozumieniu:
| Usługa Batch AI | Usługa Azure Machine Learning Service |
|---|---|
| Workspace | Workspace |
| Klaster | Obliczenia typu AmlCompute |
| Serwery plików | Magazyny danych |
| Eksperymenty | Eksperymenty |
| Stanowiska | Przebiegi (dozwolone zagnieżdżone przebiegi) |
Oto inny widok tej samej tabeli, który pomoże lepiej zwizualizować te informacje:
Hierarchia usługi Batch AI
Hierarchia usługi Azure Machine Learning
Możliwości platformy
Usługa Azure Machine Learning service oferuje doskonały zestaw nowych funkcji, w tym kompleksowego stosu wdrażania trenowania>, którego można użyć do opracowywania sztucznej inteligencji bez konieczności zarządzania zasobami platformy Azure. Ta tabela zawiera porównanie obsługi funkcji do trenowania w obu usługach.
| Cecha | Usługa Batch AI | Usługa Azure Machine Learning Service |
|---|---|---|
| Wybór rozmiaru maszyny wirtualnej | CPU/GPU | CPU/GPU. Obsługuje również układ FPGA na potrzeby wnioskowania |
| Klaster z obsługą AI (sterowniki, Docker itp.) | Tak | Tak |
| Przygotowanie węzła | Tak | Nie |
| Wybór rodziny systemów operacyjnych | Częściowe | Nie |
| Maszyny wirtualne dedykowane i o niskim priorytecie | Tak | Tak |
| Skalowanie automatyczne | Tak | Tak (domyślnie) |
| Czas oczekiwania na skalowanie automatyczne | Nie | Tak |
| Protokół SSH | Tak | Tak |
| Instalowanie na poziomie klastra | Tak (udziały plików, obiekty blob, system plików NFS, niestandardowe) | Tak (instalowanie lub pobieranie magazynu danych) |
| Trenowanie rozproszone | Tak | Tak |
| Tryb wykonywania zadań | Maszyna wirtualna lub kontener | Kontener |
| Niestandardowy obraz kontenera | Tak | Tak |
| Dowolny zestaw narzędzi | Tak | Tak (uruchamianie skryptów języka Python) |
| Przygotowywanie zadań | Tak | Jeszcze nie |
| Instalowanie poziomu zadania | Tak (udziały plików, obiekty blob, system plików NFS, niestandardowe) | Tak (udziały plików, obiekty blob) |
| Monitorowanie zadań | Za pomocą metody GetJob | Za pomocą historii uruchamiania (bogatsze informacje, niestandardowe środowisko uruchomieniowe umożliwiające wypychanie dodatkowych metryk) |
| Pobieranie dzienników zadań i plików/modeli | Za pomocą metody ListFiles i interfejsów API magazynu | Za pomocą usługi artefaktu |
| Obsługa narzędzia Tensorboard | Nie | Tak |
| Limity przydziałów na poziomie rodziny maszyn wirtualnych | Tak | Tak (wcześniejsza pojemność jest przenoszona) |
Oprócz funkcji podanych w powyższej tabeli, w usłudze Azure Machine Learning Service istnieją funkcje, które tradycyjnie nie były obsługiwane w usłudze Batch AI.
| Cecha | Usługa Batch AI | Usługa Azure Machine Learning Service |
|---|---|---|
| Przygotowywanie środowiska | Nie | Tak (przygotowywanie i przekazywanie do usługi ACR za pomocą menedżera Conda) |
| Strojenie hiperparametryczne | Nie | Tak |
| Zarządzanie modelem | Nie | Tak |
| Operacjonalizacja/wdrażanie | Nie | Za pomocą usług AKS i ACI |
| Przygotowywanie danych | Nie | Tak |
| Docelowe obiekty obliczeniowe | Maszyny wirtualne platformy Azure | Środowisko lokalne, usługa Batch AI (jako AmlCompute), usługa Databricks, usługa HDInsight |
| Zautomatyzowane uczenie maszynowe | Nie | Tak |
| Pipelines | Nie | Tak |
| Wsadowe generowanie wyników | Tak | Tak |
| Obsługa portalu/interfejsu wiersza polecenia | Tak | Tak |
Interfejsy programowania
Ta tabela przedstawia różne interfejsy programowania dostępne dla każdej usługi.
| Cecha | Usługa Batch AI | Usługa Azure Machine Learning Service |
|---|---|---|
| SDK | Java, C#, Python, Nodejs | Python (zarówno oparty na konfiguracji uruchamiania, jak i na narzędziu do szacowania dla typowych struktur) |
| Interfejs wiersza polecenia | Tak | Jeszcze nie |
| Azure Portal | Tak | Tak (z wyjątkiem przesyłania zadań) |
| Interfejs API REST | Tak | Tak, ale rozproszony na wiele mikrousług |
Uaktualnianie z wersji zapoznawczej usługi Batch AI do ogólnie dostępnej usługi Azure Machine Learning service zapewnia lepsze środowisko dzięki pojęciom, które są łatwiejsze do użycia, takie jak narzędzia do szacowania i magazyny danych. Gwarantuje to również podleganie umowom SLA oraz pomoc techniczną na poziomie ogólnie dostępnych usług platformy Azure.
Usługa Azure Machine Learning Service oferuje również nowe funkcje, takie jak zautomatyzowane uczenie maszynowe, dostrajanie hiperparametrów i potoki uczenia maszynowego, które są przydatne w przypadku większości obciążeń sztucznej inteligencji na dużą skalę. Możliwość wdrożenia wytrenowanego modelu bez przełączania się do oddzielnej usługi pomaga ukończyć pętlę nauki o danych z przygotowywania danych (przy użyciu zestawu SDK przygotowywania danych) przez cały sposób na operacjonalizacja i monitorowanie modelu.
Migrate
Dowiedz się, jak przeprowadzić migrację i jak kod używany do tworzenia kodu w usłudze Azure Machine Learning Service zawiera artykuł Migrate to Azure Machine Learning Service (Migrowanie do usługi Azure Machine Learning).
Uzyskiwanie pomocy technicznej
Usługa Batch AI została wycofana i blokuje już nowe subskrypcje przed zarejestrowaniem się w usłudze. Jeśli masz jakiekolwiek pytania lub chcesz przesłać opinię na temat migracji do usługi Azure Machine Learning Service, wyślij wiadomość na adres Azure Batch AI Training Preview.
Usługa Azure Machine Learning jest usługą ogólnie dostępną. Oznacza to, że towarzyszy jej zatwierdzona umowa SLA i różne plany pomocy technicznej do wyboru.
Ceny korzystania z infrastruktury platformy Azure za pośrednictwem usługi Batch AI lub za pośrednictwem usługi Azure Machine Learning nie powinny się różnić, ponieważ opłaty są naliczane tylko za bazowe zasoby obliczeniowe w obu przypadkach. Aby uzyskać więcej informacji, zobacz kalkulator cen.
Wyświetl dostępność regionalną obu usług w witrynie Azure Portal.
Następne kroki
Dowiedz się , jak przeprowadzić migrację kodu i jak używasz teraz mapowania na kod w usłudze Azure Machine Learning Service.
Przeczytaj artykuł Przegląd usługi Azure Machine Learning.
Skonfiguruj docelowy obiekt obliczeniowy do trenowania modelu za pomocą usługi Azure Machine Learning.
Zapoznaj się z harmonogramem działania dla platformy Azure, aby dowiedzieć się o innych aktualizacjach usługi Azure.