Использование параметров веб-службы "Студия машинного обучения (классическая)"
ОБЛАСТЬ ПРИМЕНЕНИЯ К:
Машинное обучение Studio (классическая) 
Машинное обучение Azure
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.
Веб-служба "Машинное обучение" создается при публикации эксперимента, содержащего модули с настраиваемыми параметрами. В некоторых случаях может потребоваться изменение поведения модуля, пока веб-служба выполняется. Параметры веб-службы позволяют это сделать.
Типичный пример — настройка модуля Импорт данных, благодаря которому пользователь опубликованной веб-службы может указать другой источник данных при обращении к веб-службе. Или настройка модуля Export Data (Экспорт данных), позволяющего указать другое назначение. Некоторые другие примеры включают изменение количества битов модуля Feature Hashing (Хэширование функций) или количества желаемых функций для модуля Filter-Based Feature Selection (Выбор компонентов на основе фильтра).
Можно определить параметры веб-службы и связать их с одним или несколькими параметрами модуля в эксперименте. Вы также можете указать, являются они обязательными или нет. Пользователь веб-службы затем может предоставить значения этих параметров при вызове веб-службы.
Как установить и использовать параметры веб-службы
Параметр веб-службы задается путем щелчка по значку рядом с параметром конкретного модуля и выбора команды "Установить в качестве параметра веб-службы". При этом создается новый параметр веб-службы, который связывается с параметром модуля. Затем при доступе к веб-службе пользователь может указать значение параметра веб-службы, который будет применен к параметру модуля.
После определения параметр веб-службы будет доступен для любого другого параметра модуля в эксперименте. Если вы определите параметр веб-службы, связанный с параметром для одного модуля, можно использовать этот же параметр веб-службы для любого другого модуля в тех случаях, когда параметр использует значения одного типа. Например, если параметр веб-службы имеет числовое значение, это означает, что его можно использовать только для параметров модуля, которые принимают числовые значения. Когда пользователь устанавливает значение для параметра веб-службы, оно будет применено ко всем связанным параметрам модуля.
Вы можете принять решение о том, следует ли предоставлять значение по умолчанию для параметра веб-службы. Если принимается решение предоставлять это значение, то параметр становится необязательным для пользователя веб-службы. Если вы не предоставите значение по умолчанию, то от пользователя потребуется ввести значение при доступе к веб-службе.
Документация по API для веб-службы содержит сведения для пользователя веб-службы о том, как программно указать параметр веб-службы при доступе к ней.
Примечание.
Документация по API для классической веб-службы предоставляется по ссылке на страницу справки API, доступной на панели мониторинга этой веб-службы в Студии машинного обучения (классическая модель). Документация по API для новой веб-службы предоставляется на портале веб-служб Машинного обучения на страницах Consume (Использование) и Swagger API этой веб-службы.
Пример
В качестве примера предположим, что у нас имеется эксперимент с модулем Export Data (Экспорт данных), который отправляет сведения в хранилище BLOB-объектов Azure. Мы определим параметр веб-службы с именем "Путь к BLOB-объекту", который позволяет пользователю веб-службы изменять путь к хранилищу BLOB-объектов при доступе к этой службе.
В Студии машинного обучения (классическая модель) щелкните модуль Экспорт данных, чтобы выбрать модуль. Его свойства отображаются на панели "Свойства" справа от холста эксперимента.
Укажите тип хранилища.
- В разделе Укажите целевое местоположение данныхвыберите "Хранилище BLOB-объектов Azure".
- В разделе Укажите тип проверки подлинностивыберите "Учетная запись".
- Введите данные учетной записи для хранилища BLOB-объектов Azure.
Щелкните значок справа от элемента Путь к BLOB-объекту, начиная с параметра контейнера. Он будет выглядеть примерно так:
Выберите "Установить как параметр веб-службы".
В раздел Параметры веб-службы внизу на странице "Свойства" добавляется запись с именем "Путь к BLOB-объекту, начиная с контейнера". Этот параметр веб-службы теперь связан с параметром модуля Export Data (Экспорт данных).
Чтобы переименовать параметр веб-службы, щелкните имя, введите "Путь к BLOB-объекту", после чего нажмите клавишу ВВОД .
Чтобы предоставить значение по умолчанию для параметра веб-службы, щелкните значок справа от имени, выберите "Предоставить значение по умолчанию", введите значение (например, "контейнер1/выход1.csv"), после чего нажмите клавишу ВВОД .
Щелкните Выполнить.
Щелкните Deploy Web Service (Развернуть веб-службу) и выберите Deploy Web Service [Classic] (Развернуть веб-службу [классическую]) или Deploy Web Service [New] (Развернуть веб-службу [новую]), чтобы развернуть ее.
Примечание.
Для развертывания новой веб-службы у вас должен быть достаточный уровень разрешений в подписке, в которую выполняется развертывание веб-службы. Дополнительные сведения см. в статье Управление веб-службой с помощью портала веб-служб машинного обучения.
Теперь пользователь веб-службы может указать новое расположение для модуля Export Data (Экспорт данных) при доступе к веб-службе.
Дополнительные сведения
Более подробный пример см. в публикации AzureML Web Service Parameters (Параметры веб-службы AzureML) блога, посвященного машинному обучению.
Дополнительные сведения о доступе к веб-службе машинного обучения см. в статье Как использовать веб-службу машинного обучения.