Träna om och distribuera en klassisk Studio-webbtjänst (klassisk)

Artikel
02/14/2019

GÄLLER FÖR: Gäller för. Machine Learning Studio (klassisk) X som anger nej. Gäller inte för.

Viktigt!

Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.

Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.

Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.

Omträning av maskininlärningsmodeller är ett sätt att säkerställa att de förblir korrekta och baseras på de mest relevanta tillgängliga data. Den här artikeln visar hur du tränar om en klassisk Studio-webbtjänst (klassisk). En guide om hur du tränar om en ny Studio-webbtjänst (klassisk) finns i den här artikeln.

Förutsättningar

Den här artikeln förutsätter att du redan har både ett omträningsexperiment och ett förutsägelseexperiment. De här stegen beskrivs i Träna om och distribuera en maskininlärningsmodell. Men i stället för att distribuera maskininlärningsmodellen som en ny webbtjänst distribuerar du ditt förutsägelseexperiment som en klassisk webbtjänst.

Lägga till en ny slutpunkt

Den förutsägelsewebbtjänst som du distribuerade innehåller en standardslutpunkt för bedömning som hålls synkroniserad med den ursprungliga tränings- och bedömningsexperimentstränade modellen. Om du vill uppdatera webbtjänsten till med en ny tränad modell måste du skapa en ny poängslutpunkt.

Det finns två sätt att lägga till en ny slutpunkt i en webbtjänst:

Programmässigt
Använda Azure Web Services-portalen

Kommentar

Se till att du lägger till slutpunkten i prediktiv webbtjänst, inte utbildningswebbtjänsten. Om du har distribuerat både en utbildning och en förutsägelsewebbtjänst korrekt bör du se två separata webbtjänster i listan. Förutsägelsewebbtjänsten bör sluta med "[predictive exp.]".

Lägg till en slutpunkt programmatiskt

Du kan lägga till poängslutpunkter med hjälp av exempelkoden som finns på den här GitHub-lagringsplatsen.

Använda Azure Web Services-portalen för att lägga till en slutpunkt

I Machine Learning Studio (klassisk) i den vänstra navigeringskolumnen klickar du på Webbtjänster.
Längst ned på instrumentpanelen för webbtjänsten klickar du på Hantera förhandsgranskning av slutpunkter.
Klicka på Lägg till.
Ange ett namn och en beskrivning för den nya slutpunkten. Välj loggningsnivå och om exempeldata är aktiverade. Mer information om loggning finns i Aktivera loggning för Machine Learning-webbtjänster.

Uppdatera den tillagda slutpunktens tränade modell

Hämta KORRIGERINGS-URL

Följ dessa steg för att hämta rätt PATCH-URL med hjälp av webbportalen:

Logga in på Azure Machine Learning Web Services-portalen .
Klicka på Webbtjänster eller Klassiska webbtjänster överst.
Klicka på den bedömningswebbtjänst som du arbetar med (om du inte har ändrat standardnamnet för webbtjänsten slutar det i "[Poängsättningsexp.]").
Klicka på +NY.
När slutpunkten har lagts till klickar du på slutpunktsnamnet.
Under korrigerings-URL klickar du på API-hjälpen för att öppna sidan för korrigeringshjälp.

Kommentar

Om du har lagt till slutpunkten i webbtjänsten Utbildning i stället för förutsägelsewebbtjänsten får du följande fel när du klickar på länken Uppdatera resurs: "Tyvärr, men den här funktionen stöds inte eller är tillgänglig i den här kontexten. Den här webbtjänsten har inga uppdateringsbara resurser. Vi ber om ursäkt för besväret och arbetar med att förbättra det här arbetsflödet."

Hjälpsidan PATCH innehåller den PATCH-URL som du måste använda och innehåller exempelkod som du kan använda för att anropa den.

Korrigerings-URL.

Uppdatera slutpunkten

Nu kan du använda den tränade modellen för att uppdatera den poängslutpunkt som du skapade tidigare.

Följande exempelkod visar hur du använder BaseLocation, RelativeLocation, SasBlobToken och PATCH-URL:en för att uppdatera slutpunkten.

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.
        }
    }
}

ApiKey och endpointUrl för anropet kan hämtas från instrumentpanelen för slutpunkten.

Värdet för parametern Namn i Resurser ska matcha resursnamnet för den sparade tränade modellen i förutsägelseexperimentet. Hämta resursnamnet:

Logga in på Azure-portalen.
I den vänstra menyn klickar du på Machine Learning.
Under Namn klickar du på din arbetsyta och sedan på Webbtjänster.
Under Namn klickar du på Census Model [predictive exp.].
Klicka på den nya slutpunkten som du har lagt till.
Klicka på Uppdatera resurs på instrumentpanelen för slutpunkten.
På sidan Dokumentation om API för uppdateringsresurser för webbtjänsten hittar du resursnamnet under Uppdateringsbara resurser.

Om DIN SAS-token upphör att gälla innan du har uppdaterat slutpunkten måste du utföra ett GET med jobb-ID:t för att hämta en ny token.

När koden har körts ska den nya slutpunkten börja använda den omtränade modellen om cirka 30 sekunder.

Nästa steg

Mer information om hur du hanterar webbtjänster eller håller reda på flera experimentkörningar finns i följande artiklar:

Dela via