Partilhar via

Retreinar e implantar um serviço Web clássico do Studio (clássico)

  • Artigo

APLICA-SE A: Aplica-se a.Machine Learning Studio (clássico) X indicando não.Não se aplica a.

Importante

O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.

A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).

A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.

Retreinar modelos de aprendizado de máquina é uma maneira de garantir que eles permaneçam precisos e baseados nos dados mais relevantes disponíveis. Este artigo mostrará como treinar novamente um serviço Web clássico do Studio (clássico). Para obter um guia sobre como treinar novamente um novo serviço Web Studio (clássico), consulte este artigo de instruções.

Pré-requisitos

Este artigo pressupõe que você já tenha um experimento de retreinamento e um experimento preditivo. Essas etapas são explicadas em Retreinar e implantar um modelo de aprendizado de máquina. No entanto, em vez de implantar seu modelo de aprendizado de máquina como um novo serviço Web, você implantará seu experimento preditivo como um serviço Web clássico.

Adicionar um novo ponto de extremidade

O serviço Web preditivo que você implantou contém um ponto de extremidade de pontuação padrão que é mantido em sincronia com o modelo original treinado de experimentos de treinamento e pontuação. Para atualizar seu serviço Web com um novo modelo treinado, você deve criar um novo ponto de extremidade de pontuação.

Há duas maneiras de adicionar um novo ponto de extremidade a um serviço Web:

  • Através de programação
  • Usando o portal de Serviços Web do Azure

Nota

Certifique-se de que está a adicionar o ponto de extremidade ao Serviço Web Preditivo, não ao Serviço Web de Formação. Se você implantou corretamente um serviço Web de treinamento e um serviço Web preditivo, verá dois serviços Web separados listados. O Serviço Web Preditivo deve terminar com "[previsão exp.]".

Adicionar programaticamente um ponto de extremidade

Você pode adicionar pontos de extremidade de pontuação usando o código de exemplo fornecido neste repositório do GitHub.

Usar o portal de Serviços Web do Azure para adicionar um ponto de extremidade

  1. No Estúdio de Aprendizado de Máquina (clássico), na coluna de navegação à esquerda, clique em Serviços Web.
  2. Na parte inferior do painel do serviço Web, clique em Gerenciar visualização de pontos de extremidade.
  3. Clique em Adicionar.
  4. Digite um nome e uma descrição para o novo ponto de extremidade. Selecione o nível de log e se os dados de exemplo estão habilitados. Para obter mais informações sobre o registro em log, consulte Habilitar o log para serviços Web de Aprendizado de Máquina.

Atualizar o modelo treinado do endpoint adicionado

Recuperar URL do PATCH

Siga estas etapas para obter o URL PATCH correto usando o portal da Web:

  1. Entre no portal de Serviços Web do Azure Machine Learning.
  2. Clique em Serviços Web ou Serviços Web Clássicos na parte superior.
  3. Clique no serviço Web de pontuação com o qual você está trabalhando (se você não modificou o nome padrão do serviço Web, ele terminará em "[Scoring Exp.]").
  4. Clique em +NOVO.
  5. Depois que o ponto de extremidade for adicionado, clique no nome do ponto de extremidade.
  6. No URL do patch , clique em Ajuda da API para abrir a página de ajuda do patching.

Nota

Se você adicionou o ponto de extremidade ao Serviço Web de Treinamento em vez do Serviço Web Preditivo, receberá o seguinte erro quando clicar no link Atualizar Recurso : "Desculpe, mas esse recurso não é suportado ou não está disponível neste contexto. Este serviço Web não tem recursos atualizáveis. Pedimos desculpas pelo inconveniente e estamos a trabalhar para melhorar este fluxo de trabalho."

A página de ajuda do PATCH contém o URL do PATCH que você deve usar e fornece o código de exemplo que você pode usar para chamá-lo.

URL do patch.

Atualizar o ponto de extremidade

Agora você pode usar o modelo treinado para atualizar o ponto de extremidade de pontuação criado anteriormente.

O código de exemplo a seguir mostra como usar a URL BaseLocation, RelativeLocation, SasBlobToken e PATCH para atualizar o ponto de extremidade.

private async Task OverwriteModel()
{
    var resourceLocations = new
    {
        Resources = new[]
        {
            new
            {
                Name = "Census Model [trained model]",
                Location = new AzureBlobDataReference()
                {
                    BaseLocation = "https://esintussouthsus.blob.core.windows.net/",
                    RelativeLocation = "your endpoint relative location", //from the output, for example: "experimentoutput/8946abfd-79d6-4438-89a9-3e5d109183/8946abfd-79d6-4438-89a9-3e5d109183.ilearner"
                    SasBlobToken = "your endpoint SAS blob token" //from the output, for example: "?sv=2013-08-15&sr=c&sig=37lTTfngRwxCcf94%3D&st=2015-01-30T22%3A53%3A06Z&se=2015-01-31T22%3A58%3A06Z&sp=rl"
                }
            }
        }
    };

    using (var client = new HttpClient())
    {
        client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue("Bearer", apiKey);

        using (var request = new HttpRequestMessage(new HttpMethod("PATCH"), endpointUrl))
        {
            request.Content = new StringContent(JsonConvert.SerializeObject(resourceLocations), System.Text.Encoding.UTF8, "application/json");
            HttpResponseMessage response = await client.SendAsync(request);

            if (!response.IsSuccessStatusCode)
            {
                await WriteFailedResponse(response);
            }

            // Do what you want with a successful response here.
        }
    }
}

O apiKey e o endpointUrl para a chamada podem ser obtidos no painel do ponto de extremidade.

O valor do parâmetro Name em Resources deve corresponder ao Resource Name do Modelo Treinado salvo no experimento preditivo. Para obter o Nome do Recurso:

  1. Inicie sessão no portal do Azure.
  2. No menu à esquerda, clique em Aprendizado de Máquina.
  3. Em Nome, clique no seu espaço de trabalho e, em seguida, clique em Serviços Web.
  4. Em Nome, clique em Modelo de Censo [previsão exp.].
  5. Clique no novo ponto de extremidade que você adicionou.
  6. No painel do ponto de extremidade, clique em Atualizar Recurso.
  7. Na página Atualizar documentação da API de recursos para o serviço Web, você pode encontrar o Nome do recurso em Recursos atualizáveis.

Se o token SAS expirar antes de concluir a atualização do ponto de extremidade, você deverá executar um GET com o ID do trabalho para obter um novo token.

Quando o código for executado com êxito, o novo ponto de extremidade deverá começar a usar o modelo retreinado em aproximadamente 30 segundos.

Próximos passos

Para saber mais sobre como gerenciar serviços Web ou acompanhar várias execuções de experimentos, consulte os seguintes artigos: