Usar parâmetros de serviço Web do Machine Learning Studio (clássico)

APLICA-SE A: Machine Learning Studio (clássico) Azure Machine Learning

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).

• Consulte informações sobre como mover projetos de aprendizado de máquina do ML Studio (clássico) para o Azure Machine Learning.
• Saiba mais sobre o Azure Machine Learning

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

Um serviço Web de Aprendizado de Máquina é criado publicando um experimento que contém módulos com parâmetros configuráveis. Em alguns casos, talvez você queira alterar o comportamento do módulo enquanto o serviço Web está em execução. Os Parâmetros do Serviço Web permitem que você faça essa tarefa.

Um exemplo comum é a configuração do módulo Importar Dados para que o usuário do serviço Web publicado possa especificar uma fonte de dados diferente quando o serviço Web for acessado. Ou configurar o módulo Exportar dados para que um destino diferente possa ser especificado. Alguns outros exemplos incluem a alteração do número de bits para o módulo Feature Hashing ou o número de recursos desejados para o módulo Filter-Based Feature Selection .

Você pode definir Parâmetros de Serviço Web e associá-los a um ou mais parâmetros de módulo em seu experimento, e pode especificar se eles são obrigatórios ou opcionais. O usuário do serviço Web pode então fornecer valores para esses parâmetros quando chamar o serviço Web.

Como definir e usar parâmetros de serviço Web

Você define um parâmetro de serviço Web clicando no ícone ao lado do parâmetro para um módulo e selecionando "Definir como parâmetro de serviço Web". Isso cria um novo parâmetro de serviço Web e o conecta a esse parâmetro de módulo. Em seguida, quando o serviço Web é acessado, o usuário pode especificar um valor para o parâmetro de serviço Web e ele é aplicado ao parâmetro module.

Depois de definir um parâmetro de serviço Web, ele fica disponível para qualquer outro parâmetro de módulo no experimento. Se você definir um parâmetro de serviço Web associado a um parâmetro para um módulo, poderá usar esse mesmo parâmetro de serviço Web para qualquer outro módulo, desde que o parâmetro espere o mesmo tipo de valor. Por exemplo, se o parâmetro de serviço Web for um valor numérico, ele só poderá ser usado para parâmetros de módulo que esperam um valor numérico. Quando o usuário define um valor para o parâmetro de serviço Web, ele será aplicado a todos os parâmetros de módulo associados.

Você pode decidir se deseja fornecer um valor padrão para o parâmetro de serviço Web. Se você fizer isso, o parâmetro será opcional para o usuário do serviço Web. Se você não fornecer um valor padrão, o usuário deverá inserir um valor quando o serviço Web for acessado.

A documentação da API para o serviço Web inclui informações para o usuário do serviço Web sobre como especificar o parâmetro do serviço Web programaticamente ao acessar o serviço Web.

Nota

A documentação da API para um serviço Web clássico é fornecida por meio do link da página de ajuda da API no DASHBOARD do serviço Web no Machine Learning Studio (clássico). A documentação da API para um novo serviço Web é fornecida por meio do portal de Serviços Web de Aprendizado de Máquina nas páginas da API Consumir e Swagger para seu serviço Web.

Exemplo

Como exemplo, vamos supor que tenhamos um experimento com um módulo Exportar Dados que envia informações para o armazenamento de blobs do Azure. Definiremos um parâmetro de serviço Web chamado "caminho de Blob" que permite que o usuário do serviço Web altere o caminho para o armazenamento de blob quando o serviço for acessado.

1. No Estúdio de Aprendizado de Máquina (clássico), clique no módulo Exportar Dados para selecioná-lo. Suas propriedades são mostradas no painel Propriedades à direita da tela do experimento.

2. Especifique o tipo de armazenamento:

   • Em Especifique o destino dos dados, selecione "Armazenamento de Blob do Azure".
   • Em Especifique o tipo de autenticação, selecione "Conta".
   • Insira as informações da conta para o armazenamento de blob do Azure.

3. Clique no ícone à direita do parâmetro Path to blob começando com container. Esta secção tem o seguinte aspeto:

   

   Selecione "Definir como parâmetro de serviço Web".

   Uma entrada é adicionada em Parâmetros do Serviço Web na parte inferior do painel Propriedades com o nome "Caminho para blob começando com contêiner". Este é o parâmetro de serviço Web que agora está associado a este parâmetro do módulo de exportação de dados .

4. Para renomear o parâmetro do serviço Web, clique no nome, digite "Blob path" e pressione a tecla Enter .

5. Para fornecer um valor padrão para o parâmetro de serviço Web, clique no ícone à direita do nome, selecione "Fornecer valor padrão", insira um valor (por exemplo, "container1/output1.csv") e pressione a tecla Enter .

   

6. Clique em Executar.

7. Clique em Implantar Serviço Web e selecione Implantar Serviço Web [Clássico] ou Implantar Serviço Web [Novo] para implantar o serviço Web.

Nota

Para implantar um Novo serviço Web, você deve ter permissões suficientes na assinatura na qual implantou o serviço Web. Para obter mais informações, consulte Gerenciar um serviço Web usando o portal de Serviços Web de Aprendizado de Máquina.

O usuário do serviço Web agora pode especificar um novo destino para o módulo Exportar Dados ao acessar o serviço Web.

Mais informações

Para obter um exemplo mais detalhado, consulte a entrada Parâmetros do serviço Web no Blog do Machine Learning.

Para obter mais informações sobre como acessar um serviço Web de Aprendizado de Máquina, consulte Como consumir um serviço Web de Aprendizado de Máquina.