Testar endpoints online gerenciados

Concluído

Depois de implementar um serviço em tempo real, pode consumi-lo a partir de aplicações cliente para prever etiquetas para novos casos de dados.

Usar o estúdio do Azure Machine Learning

Você pode listar todos os pontos de extremidade no estúdio do Azure Machine Learning, navegando até a página Pontos de extremidade . Na guia Pontos de extremidade em tempo real, todos os pontos de extremidade são mostrados.

Você pode selecionar um ponto de extremidade para revisar seus detalhes e logs de implantação.

Além disso, você pode usar o estúdio para testar o ponto de extremidade.

Usar o SDK Python do Azure Machine Learning

Para testes, você também pode usar o SDK Python do Azure Machine Learning para invocar um ponto de extremidade.

Normalmente, você envia dados para o modelo implantado no formato JSON com a seguinte estrutura:

{
  "data":[
      [0.1,2.3,4.1,2.0], // 1st case
      [0.2,1.8,3.9,2.1],  // 2nd case,
      ...
  ]
}

A resposta do modelo implantado é uma coleção JSON com uma previsão para cada caso que foi enviado nos dados. O exemplo de código a seguir invoca um ponto de extremidade e exibe a resposta:

# test the blue deployment with some sample data
response = ml_client.online_endpoints.invoke(
    endpoint_name=online_endpoint_name,
    deployment_name="blue",
    request_file="sample-data.json",
)

if response[1]=='1':
    print("Yes")
else:
    print ("No")