Повторное обучение и развертывание классической веб-службы Студии (классическая модель)

Статья
02/14/2019

ОБЛАСТЬ ПРИМЕНЕНИЯ: Применимо к. Машинное обучение Studio (классическая версия) Символ X, обозначающий отсутствие поддержки. не применяется к.

Внимание

Поддержка Студии машинного обучения (классической) будет прекращена 31 августа 2024 г. До этой даты рекомендуется перейти на Машинное обучение Azure.

Начиная с 1 декабря 2021 года вы не сможете создавать новые ресурсы Студии машинного обучения (классической). Существующие ресурсы Студии машинного обучения (классической) можно будет использовать до 31 августа 2024 г.

См. сведения о переносе проектов машинного обучения из Студии машинного обучения (классическая версия) в Машинное обучение Azure.
См. дополнительные сведения о Машинном обучении Azure.

Прекращается поддержка документации по Студии машинного обучения (классической). В будущем она может не обновляться.

Повторное обучение моделей машинного обучения является одним из способов обеспечения точности и основывается на самых актуальных доступных данных. С помощью этой статьи вы узнаете, как повторно обучить классическую веб-службу Студии (классическая модель). Инструкции по повторному обучению новой веб-службы Студии (классическая модель) см. в этом практическом руководстве.

Необходимые компоненты

В этой статье предполагается, что у вас уже есть повторно обученный и прогнозный эксперимент. Эти шаги объясняются в разделе Повторное обучение и развертывание модели машинного обучения. Однако вместо развертывания модели машинного обучения в качестве новой веб-службы вы развернете прогнозный эксперимент в качестве классической веб-службы.

Добавление новой конечной точки

Прогнозная веб-служба, которую вы развернули, содержит конечную точку по умолчанию, синхронизированную с исходной обученной моделью обучающего и оценивающего экспериментов. Чтобы обновить веб-службу с помощью новой обученной модели, необходимо создать конечную точку оценки.

Новую конечную точку можно добавить в веб-службу двумя способами:

Программным способом
С помощью портала веб-служб Azure.

Примечание.

Важно добавить конечную точку к прогнозной веб-службе, а не к обучающей. Если вы правильно установили обучающую и прогнозную веб-службы, вы увидите две отдельные веб-службы. Имя прогнозной веб-службы должно заканчиваться на [predictive exp.].

Добавление конечной точки программно

Конечные точки оценки можно добавить с помощью примера кода, приведенного в этом репозитории GitHub.

Добавление конечной точки с помощью портала веб-служб Azure

В Студии машинного обучения (классическая модель) в левой области навигации щелкните "Веб-службы".
В нижней части панели мониторинга веб-служб щелкните Manage endpoints preview(Управление конечными точками (предварительная версия)).
Нажмите кнопку Добавить.
Введите имя и описание новой конечной точки. Выберите уровень ведения журнала и укажите, включать ли образцы данных. Дополнительные сведения о ведении журнала см. в статье Включение функции ведения журналов для веб-служб машинного обучения.

Обновление обученной модели добавленной конечной точки

Извлечение URL-адреса PATCH

Выполните следующие действия, чтобы получить правильный URL-адрес PATCH с помощью веб-портала.

Войдите на портал веб-служб машинного обучения Azure.
Щелкните Веб-службы или Classic Web Services (Классические веб-службы) в верхней части экрана.
Щелкните веб-службу оценки, с которой вы работаете (если вы не изменяли имя веб-службы по умолчанию, оно будет заканчиваться на "[Scoring Exp.]").
Щелкните +СОЗДАТЬ.
После добавления конечной точки щелкните ее имя.
В поле URL-адреса исправления щелкните API Help (Справка по API), чтобы открыть страницу справки по исправлению.

Примечание.

Если вы добавите конечную точку не к прогнозной веб-службе, а к веб-службе обучения, при выборе ссылки Обновить ресурс появится следующая ошибка: "Sorry, but this feature is not supported or available in this context. Эта веб-служба не содержит обновляемых ресурсов. We apologize for the inconvenience and are working on improving this workflow" (К сожалению, эта функция не поддерживается или недоступна в данном контексте. Приносим извинения за неудобства. Мы работаем над исправлением этой ошибки).

Страница исправления содержит URL-адрес исправления, который нужно использовать, и пример кода, с помощью которого можно выполнить вызов.

URL-адрес исправления.

Обновление конечной точки

Теперь обученную модель можно использовать для обновления созданной конечной точки оценки.

В следующем примере кода показано, как использовать параметры BaseLocation, RelativeLocation, SasBlobToken и URL-адрес исправления для обновления конечной точки.

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.
        }
    }
}

Параметры apiKey и endpointUrl для этого вызова можно получить на панели мониторинга конечной точки.

Значение параметра Имя в ресурсах должно соответствовать имени ресурса сохраненной обученной модели в прогнозном эксперименте. Чтобы получить имя ресурса:

Войдите на портал Azure.
В меню слева щелкните Машинное обучение.
В поле "Имя" выберите рабочую область, а затем щелкните Веб-службы.
В поле "Имя" щелкните Модель ценза [predictive exp.].
Щелкните новую добавленную конечную точку.
На панели мониторинга конечной точки щелкните Обновить ресурс.
На странице документации по API обновления ресурсов для веб-службы можно найти имя ресурса в разделе обновляемых ресурсов.

Если срок действия маркера SAS истекает до завершения обновления конечной точки, необходимо выполнить операцию GET с использованием идентификатора задания, чтобы получить новый маркер.

Если код выполнен успешно, новая конечная точка начнет использовать переобученную модель примерно через 30 секунд.

Следующие шаги

Дополнительные сведения о том, как управлять веб-службами или отслеживать несколько экспериментов, см. в следующих статьях:

Поделиться через