Använda Webbtjänstparametrar för Machine Learning Studio (klassisk)

GÄLLER FÖR: Machine Learning Studio (klassisk) Azure Machine Learning

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.

• Se information om hur du flyttar maskininlärningsprojekt från ML Studio (klassisk) till Azure Machine Learning.
• Läs mer om Azure Machine Learning

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

En Machine Learning-webbtjänst skapas genom att publicera ett experiment som innehåller moduler med konfigurerbara parametrar. I vissa fall kanske du vill ändra modulbeteendet medan webbtjänsten körs. Med webbtjänstparametrar kan du utföra den här uppgiften.

Ett vanligt exempel är att konfigurera modulen Importera data så att användaren av den publicerade webbtjänsten kan ange en annan datakälla när webbtjänsten används. Eller konfigurera modulen Exportera data så att ett annat mål kan anges. Några andra exempel är att ändra antalet bitar för modulen Funktionshashing eller antalet önskade funktioner för modulen Filterbaserad funktionsval .

Du kan ange webbtjänstparametrar och associera dem med en eller flera modulparametrar i experimentet, och du kan ange om de är obligatoriska eller valfria. Användaren av webbtjänsten kan sedan ange värden för dessa parametrar när de anropar webbtjänsten.

Så här ställer du in och använder webbtjänstparametrar

Du definierar en webbtjänstparameter genom att klicka på ikonen bredvid parametern för en modul och välja "Ange som webbtjänstparameter". Detta skapar en ny webbtjänstparameter och ansluter den till modulparametern. När webbtjänsten sedan används kan användaren ange ett värde för webbtjänstparametern och den tillämpas på modulparametern.

När du har definierat en webbtjänstparameter är den tillgänglig för alla andra modulparametrar i experimentet. Om du definierar en webbtjänstparameter som är associerad med en parameter för en modul kan du använda samma webbtjänstparameter för alla andra moduler, förutsatt att parametern förväntar sig samma typ av värde. Om webbtjänstparametern till exempel är ett numeriskt värde kan den bara användas för modulparametrar som förväntar sig ett numeriskt värde. När användaren anger ett värde för webbtjänstparametern tillämpas det på alla associerade modulparametrar.

Du kan bestämma om du vill ange ett standardvärde för webbtjänstparametern. Om du gör det är parametern valfri för webbtjänstens användare. Om du inte anger något standardvärde måste användaren ange ett värde när webbtjänsten används.

API-dokumentationen för webbtjänsten innehåller information för webbtjänstanvändaren om hur du anger webbtjänstparametern programmatiskt vid åtkomst till webbtjänsten.

Kommentar

API-dokumentationen för en klassisk webbtjänst tillhandahålls via api-hjälpsidans länk i webbtjänsten DASHBOARD i Machine Learning Studio (klassisk). API-dokumentationen för en ny webbtjänst tillhandahålls via Machine Learning Web Services-portalen på api-sidorna Consume och Swagger för din webbtjänst.

Exempel

Anta till exempel att vi har ett experiment med en exportdatamodul som skickar information till Azure Blob Storage. Vi definierar en webbtjänstparameter med namnet "Blob path" som gör att webbtjänstanvändaren kan ändra sökvägen till bloblagringen när tjänsten används.

1. I Machine Learning Studio (klassisk) klickar du på modulen Exportera data för att välja den. Dess egenskaper visas i fönstret Egenskaper till höger om experimentarbetsytan.

2. Ange lagringstyp:

   • Under Ange datamål väljer du "Azure Blob Storage".
   • Under Ange autentiseringstyp väljer du "Konto".
   • Ange kontoinformationen för Azure Blob Storage.

3. Klicka på ikonen till höger om sökvägen till bloben som börjar med containerparametern. Det ser ut så här:

   

   Välj "Ange som webbtjänstparameter".

   En post läggs till under Webbtjänstparametrar längst ned i fönstret Egenskaper med namnet "Sökväg till blob som börjar med container". Det här är webbtjänstparametern som nu är associerad med modulparametern Exportera data .

4. Om du vill byta namn på webbtjänstparametern klickar du på namnet, anger "Blobsökväg" och trycker på Retur .

5. Om du vill ange ett standardvärde för webbtjänstparametern klickar du på ikonen till höger om namnet, väljer "Ange standardvärde", anger ett värde (till exempel "container1/output1.csv") och trycker på Retur .

   

6. Klicka på Kör.

7. Klicka på Distribuera webbtjänst och välj Distribuera webbtjänst [klassisk] eller Distribuera webbtjänst [Ny] för att distribuera webbtjänsten.

Kommentar

Om du vill distribuera en ny webbtjänst måste du ha tillräcklig behörighet i prenumerationen som du distribuerar webbtjänsten till. Mer information finns i Hantera en webbtjänst med hjälp av Machine Learning Web Services-portalen.

Användaren av webbtjänsten kan nu ange ett nytt mål för modulen Exportera data vid åtkomst till webbtjänsten.

Mer information

Ett mer detaljerat exempel finns i posten Webbtjänstparametrar i Machine Learning-bloggen.

Mer information om hur du kommer åt en Machine Learning-webbtjänst finns i Använda en Machine Learning-webbtjänst.