Vad hände med Azure Batch AI?
Azure Batch AI-tjänsten har dragits tillbaka. De storskaliga träningsfunktionerna i Batch AI är tillgängliga i Azure Machine Learning Service. Migrera idag.
Tillsammans med många andra maskininlärningsfunktioner innehåller Azure Machine Learning-tjänsten ett molnbaserat hanterat beräkningsmål för träning och batchbedömning av maskininlärningsmodeller. Det här beräkningsmålet kallas Azure Machine Learning Compute och utökar alla funktioner i den inaktuella Batch AI-tjänsten. Börja migrera och använda det idag. Du kan interagera med Azure Machine Learning-tjänsten via dess Python SDK, kommandoradsgränssnitt och Azure Portal.
Supporttidslinje
Du kan bara använda dina befintliga Azure Batch AI-prenumerationer under en respitperiod, men tjänsten dras officiellt tillbaka utan stöd för serviceavtal. Inga nya prenumerationsregistreringar är möjliga och inga ytterligare investeringar eller uppdateringar görs.
Tjänsten stängs snart av utan ytterligare varsel.
Anteckning
Azure Machine Learning-tjänsten är inte tillgänglig i myndighetsmoln (GA planeras till juni 2019), och vi fortsätter att stödja Batch AI-tjänsten i den regionen fram till dess.
Jämför med Azure Machine Learning
Det är en molntjänst som du använder för att träna, distribuera, automatisera och hantera maskininlärningsmodeller i den omfattande skala som molnet ger. Få en större förståelse för Azure Machine Learning Service i den här översikten.
En vanlig livscykel för modellutveckling innefattar förberedelse av data, träning och experimentering samt en distributionsfas. Du kan dirigera cykeln från slutpunkt till slutpunkt med hjälp av Machine Learning-pipelines.
Mer information om hur tjänsten fungerar och dess huvudsakliga begrepp. Många av begreppen i modellens träningsarbetsflöde liknar befintliga begrepp i Batch AI.
Här visas en mappning av hur du kan tänka på dem mer specifikt:
| Batch AI-tjänst | Azure Machine Learning Service |
|---|---|
| Arbetsyta | Arbetsyta |
| Kluster | Beräkning av typen AmlCompute |
| Filservrar | DataStores |
| Experiment | Experiment |
| Jobb | Körningar (tillåter kapslade körningar) |
Här är en annan vy i samma tabell som hjälper dig att visualisera ytterligare:
Batch AI-hierarki
Azure Machine Learning-tjänsthierarki
Plattformsfunktioner
Azure Machine Learning-tjänsten innehåller en stor uppsättning nya funktioner, inklusive en träningsdistributionsstack från slutpunkt till slutpunkt som du kan använda för din AI-utveckling utan att behöva hantera några Azure-resurser>. I tabellen nedan jämförs funktioner som stöds för träning mellan de två tjänsterna.
| Funktion | Batch AI-tjänst | Azure Machine Learning Service |
|---|---|---|
| Alternativ för VM-storlek | CPU/GPU | CPU/GPU. Stöder också FPGA för inferens |
| AI-förberett kluster (drivrutiner, Docker etc.) | Ja | Yes |
| Nodförberedelse | Ja | Inga |
| Val av operativsystemfamilj | Delvis | No |
| Dedikerade och virtuella LowPriority-datorer | Ja | Yes |
| Automatisk skalning | Yes | Ja (som standard) |
| Väntetid för automatisk skalning | Inga | Ja |
| SSH | Ja | Yes |
| Montering på klusternivå | Ja (filresurser, blobar, NFS, anpassad) | Ja (montera eller ladda ned ditt datalager) |
| Distribuerad träning | Ja | Yes |
| Jobbkörningsläge | Virtuell dator eller container | Container |
| Anpassad containeravbildning | Ja | Yes |
| Valfri verktygssats | Yes | Ja (kör Python-skript) |
| JobPreparation | Yes | Inte ännu |
| Montering på jobbnivå | Ja (filresurser, blobar, NFS, anpassad) | Ja (filresurser, blobar) |
| Jobbövervakning | via GetJob | via körningshistorik (mer omfattande information, anpassad körning för att få fler mått) |
| Hämta jobbloggar och filer/modeller | via ListFiles och Storage-API:er | via artefakttjänsten |
| Stöd för Tensorboard | Inga | Ja |
| VM-familjens nivåkvoter | Yes | Ja (med din tidigare kapacitet som flyttas framåt) |
Förutom den föregående tabellen finns det funktioner i Azure Machine Learning Service som normalt sett inte stöds i BatchAI.
| Funktion | Batch AI-tjänst | Azure Machine Learning Service |
|---|---|---|
| Förberedelse av miljö | No | Ja (Conda-förberedelse och uppladdning till ACR) |
| Justering av hyperparameter | Inga | Ja |
| Modellhantering | Inga | Ja |
| Driftsättning/distribution | No | Via AKS och ACI |
| Förberedelse av data | Inga | Ja |
| Beräkningsmål | Virtuella Azure-datorer | Lokal, BatchAI (som AmlCompute), DataBricks, HDInsight |
| Automatiserad maskininlärning | Inga | Ja |
| Pipelines | Inga | Ja |
| Batchbedömning | Ja | Yes |
| Portal/CLI-stöd | Ja | Yes |
Programmeringsgränssnitt
Tabellen visar de olika programmeringsgränssnitt som är tillgängliga för varje tjänst.
| Funktion | BatchAI-tjänst | Azure Machine Learning Service |
|---|---|---|
| SDK | Java, C#, Python, Nodejs | Python (kör både konfigurations- och beräkningsbaserat för vanliga ramverk) |
| CLI | Yes | Inte ännu |
| Azure Portal | Yes | Ja (utom jobböverföring) |
| REST-API | Yes | Ja, men distribuerade över mikrotjänster |
Genom att uppgradera från Förhandsversion av Batch AI till GA'ed Azure Machine Learning Service får du en bättre upplevelse genom begrepp som är enklare att använda, till exempel beräknare och datalager. Du har även garanterad kundsupport och SLA:er på GA-nivå för Azure-tjänsten.
Azure Machine Learning Service innehåller också nya funktioner som automatiserad maskininlärning, justering av hyperparametrar och ML-pipelines, som är användbara i de flesta storskaliga AI-arbetsbelastningar. Möjligheten att distribuera en tränad modell utan att växla till en separat tjänst hjälper till att slutföra datavetenskapsloopen från förberedelse av data (med hjälp av SDK för dataförberedelse) hela vägen till driftsättning och modellövervakning.
Migrera
Lär dig hur du migrerar och hur koden du använder mappar för att koda i Azure Machine Learning-tjänsten i artikeln Migrera till Azure Machine Learning Service .
Få support
Batch AI har dragits tillbaka och blockerar redan nya prenumerationer från att registreras mot tjänsten. Kontakta oss på Förhandsversionen av Azure Batch AI-träningen om du har frågor eller feedback när du migrerar till Azure Machine Learning Service.
Microsoft Azure Machine Learning Service är nu allmänt tillgänglig. Det innebär att den innehåller ett dedikerat serviceavtal och olika supportplaner att välja bland.
Prissättningen för att använda Azure-infrastrukturen antingen via Batch AI-tjänsten eller via Azure Machine Learning-tjänsten bör inte variera, eftersom vi bara debiterar priset för den underliggande beräkningen i båda fallen. Mer information finns på sidan med priskalkylatorn.
Visa regional tillgänglighet mellan de två tjänsterna i Azure-portalen.
Nästa steg
Lär dig hur du migrerar och hur kod som du använder nu mappar till kod i Azure Machine Learning-tjänsten.
Konfigurera ett beräkningsmål för modellträning med Azure Machine Learning-tjänsten.
Granska Azure-översikten för att lära dig av andra Azure-tjänstuppdateringar.