Что случилось с пакетная служба Azure ИИ?
Поддержка службы ИИ пакетная служба Azure прекращена. Возможности обучения в масштабе Batch AI доступны в Службе машинного обучения Azure. Миграция сегодня.
Наряду со многими другими возможностями машинного обучения, служба Машинного обучения Azure включает облачный управляемый целевой объект вычислений для обучения и пакетной оценки моделей машинного обучения. Этот целевой объект вычислений называется вычислительными ресурсами Машинного обучения Azure и расширяет все возможности устаревшей службы Batch AI. Начните миграцию и перейдите к использованию уже сегодня. Вы можете взаимодействовать со службой Машинного обучения Azure с помощью пакета SDK для Python, интерфейса командной строки и портал Azure.
Сроки поддержки
Вы можете использовать существующие подписки на пакетная служба Azure ИИ только в течение льготного периода, но служба официально прекращена без поддержки соглашений об уровне обслуживания. Регистрация новых подписок невозможна, и дальнейшие инвестиции или обновления не выполняются.
Служба скоро завершит работу без дополнительного уведомления.
Примечание
Служба машинного обучения Azure недоступна в облаках для государственных организаций (общедоступная версия запланирована на июнь 2019 г.), и до этого момента мы будем продолжать поддерживать службу Batch AI в этом регионе.
Сравнение с машинным обучением Azure
Это облачная служба, которая используется для обучения, развертывания, автоматизации моделей машинного обучения и управления ими в предоставляемом облаком широком масштабе. Чтобы получить хорошее представление о Службе машинного обучения Azure, ознакомьтесь с обзором.
Типовой жизненный цикл разработки модели включает фазы подготовки данных, обучения и экспериментирования, а также фазу развертывания. Этим комплексным циклом можно управлять с помощью конвейеров Машинного обучения.
Узнайте о работе службы и ее основных понятиях. Многие понятия в рабочем процессе обучения модели сходны с имеющимися понятиями в Batch AI.
В частности, здесь показано, чем их следует считать:
| Служба Batch AI | Служба машинного обучения Azure |
|---|---|
| Рабочая область | Рабочая область |
| Кластер | Вычисления типа AmlCompute |
| Файловые серверы | Хранилища данных |
| Эксперименты | Эксперименты |
| Задания | Выполнения (позволяет выполнять вложенные запуски) |
Это другое представление той же таблицы, которая поможет при визуализации информации в дальнейшем:
Иерархия Batch AI
Служба машинного обучения Azure
"Возможности платформы"
Служба машинного обучения Azure предоставляет широкий набор новых функций, включая комплексный стек развертывания обучения,> который можно использовать для разработки ИИ без необходимости управлять ресурсами Azure. В этой таблице сравниваются данные о поддержке функций в двух службах.
| Компонент | Служба Batch AI | Служба машинного обучения Azure |
|---|---|---|
| Выбор размера виртуальной машины | ЦП и GPU | ЦП и GPU. Кроме того, поддерживает FPGA для получения выводов |
| Кластер, готовый к использованию искусственного интеллекта (драйвера, Docker и т. д). | Да | Да |
| Подготовка узла | Да | Нет |
| Выбор семейства ОС | Частично | Нет |
| Выделенные и низкоприоритетные виртуальные машины | Да | Да |
| Автомасштабирование | Да | Да, по умолчанию |
| Время ожидания для автомасштабирования | Нет | Да |
| SSH | Да | Да |
| Подключение на уровне кластера | Да (общие папки, большие двоичные объекты, NFS, настраиваемое) | Да (подключение или скачивание в хранилище данных) |
| Распределенное обучение | Да | Да |
| Режим выполнения задания | Виртуальная машина или контейнер | Контейнер |
| Настраиваемый образ контейнера | Да | Да |
| Любой набор средств | Да | Да (запускает скрипт Python) |
| Подготовка задания | Да | Пока нет |
| Подключение на уровне задания. | Да (общие папки, большие двоичные объекты, NFS, настраиваемое) | Да (общие папки, большие двоичные объекты) |
| Мониторинг заданий | с помощью GetJob | с помощью журнала выполнения (более подробная информация, настраиваемая среда выполнения для отправки дополнительных метрик) |
| Получение журналов заданий и файлов или моделей | с помощью ListFiles и API службы хранилища | с помощью службы артефакта |
| Поддержка Tensorboard | Нет | Да |
| Квоты для уровня семейства виртуальных машин | Да | Да (с перенесением предыдущей емкости) |
В дополнение к приведенной выше таблице в Службе машинного обучения Azure существуют функции, которые обычно не поддерживаются в BatchAI.
| Компонент | Служба Batch AI | Служба машинного обучения Azure |
|---|---|---|
| Подготовка среды | Нет | Да (Conda подготавливается и отправляется в ACR) |
| Настройка гиперпараметров | Нет | Да |
| Управление моделями | Нет | Да |
| Ввод в эксплуатацию и развертывание | Нет | С помощью AKS и ACI |
| Подготовка данных | Нет | Да |
| Целевые объекты вычислений | Виртуальные машины Azure | Локальные, BatchAI (как AmlCompute), DataBricks, HDInsight |
| Автоматизированное машинное обучение | Нет | Да |
| Pipelines | Нет | Да |
| Пакетная оценка | Да | Да |
| Поддержка портала и CLI | Да | Да |
"Программные интерфейсы"
В этой таблице представлены различные программные интерфейсы, доступные для каждой службы.
| Компонент | Служба BatchAI | Служба машинного обучения Azure |
|---|---|---|
| SDK | Java, C#, Python, Nodejs | Python (выполнение на основе конфигурации и механизма оценки для стандартных платформ) |
| CLI | Да | Пока нет |
| Портал Azure | Да | Да (кроме отправки заданий) |
| REST API | Да | Да, но распределенных между микрослужбами |
Обновление с предварительной версии Batch AI до общедоступной службы машинного обучения Azure обеспечивает улучшенные условия работы благодаря более простым в использовании принципам, таким как механизмы оценки и хранилища данных. При этом также гарантируется Соглашение об уровне обслуживания службы Azure и поддержка пользователей на уровне общедоступной версии.
Служба машинного обучения Azure также предоставляет новые функции, такие как автоматическое машинное обучение, настройка гиперпараметров, конвейеры машинного обучения, которые полезны в большинстве крупномасштабных рабочих нагрузок искусственного интеллекта. Способность развернуть обученную модель без перехода к отдельной службе позволяет завершить полный цикл обработки и анализа данных, начиная с подготовки данных (с помощью пакета SDK для подготовки данных) вплоть до ввода в эксплуатацию и мониторинга модели.
Миграция
Узнайте, как перенести код, который используется в картах, в службу машинного обучения Azure из статьи Миграция к службе машинного обучения Azure.
Техническая поддержка
Поддержка Batch AI прекращена и уже блокирует регистрацию новых подписок в службе. Свяжитесь с нами на сайте предварительной версии обучения Azure Batch AI, чтобы задать любые вопросы или чтобы оставить отзывы о миграции в Службу машинного обучения Azure.
Выпущена общедоступная версия Службы машинного обучения Azure. Это означает, что она поставляется с зафиксированным Соглашением об уровне обслуживания и различными планами поддержки на выбор.
Цены на использование инфраструктуры Azure через службу Batch AI или службу машинного обучения Azure не должны меняться, так как в обоих случаях мы взимаем плату только за базовые вычислительные ресурсы. Дополнительные сведения см. на странице калькулятора цен.
Сведения о региональной доступности двух служб см. на портале Azure.
Дальнейшие действия
Узнайте, как перенести код, используемый в картах, в код службы машинного обучения Azure.
Ознакомьтесь со статьей Что такое Служба машинного обучения Azure.
Настройте целевой объект вычислений для обучения моделей с помощью Службы машинного обучения Azure.
Просмотрите стратегию развития Azure, чтобы узнать о других обновлениях служб Azure.