机器学习 Studio（经典）Web 服务：部署和使用

项目
04/19/2017

适用于： 适用于。机器学习 Studio（经典版）Azure 机器学习不适用。

重要

对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。建议在该日期之前转换到 Azure 机器学习。

从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。

请参阅有关将机器学习项目从 ML 工作室（经典）移到 Azure 机器学习的信息。
详细了解 Azure 机器学习

ML 工作室（经典）文档即将停用，将来可能不会更新。

可以使用机器学习 Studio （经典）将机器学习工作流和模型部署为 Web 服务。然后，可以使用这些 Web 服务，通过 Internet 从应用程序调用机器学习模型，从而实时或者在批处理模式下进行预测。由于 Web 服务是 RESTful，可以从各种编程语言和平台（如 .NET 和 Java）以及应用程序（如 Excel）调用它们。

接下来的部分提供指向演练、代码和文档的链接，可帮助你开始操作。

部署 Web 服务

使用机器学习 Studio （经典版）

Studio （经典）门户和机器学习 Web 服务门户可帮助你部署和管理 Web 服务，而无需编写代码。

以下链接提供有关如何部署新 Web 服务的常规信息：

有关如何部署基于 Azure 资源管理器的新 Web 服务的概述，请参阅部署新 Web 服务。
有关如何部署 Web 服务的演练，请参阅“部署机器学习 Web 服务”。
有关如何创建和部署 Web 服务的完整演练，请从教程 1 开始：预测信用风险。
有关部署 Web 服务的特定示例，请参阅：
- 教程 3：部署信用风险模型
- 如何将 Web 服务部署到多个区域

使用 Web 服务资源提供程序 API (Azure 资源管理器 API)

用于 Web 服务的 Azure 机器学习工作室（经典）资源提供程序支持使用 REST API 调用来部署和管理 Web 服务。有关详细信息，请参阅机器学习 Web 服务 (REST) 参考。

使用 PowerShell cmdlet

用于 Web 服务的机器学习工作室（经典）资源提供程序支持使用 PowerShell cmdlet 来部署和管理 Web 服务。

若要使用 cmdlet，必须先使用 Connect-AzAccount cmdlet 从 PowerShell 环境中登录到 Azure 帐户。如果对调用基于资源管理器的 PowerShell 命令不熟悉，请参阅将 Azure PowerShell 与 Azure 资源管理器配合使用。

若要导出预测实验，则使用此代码示例。从代码创建 .exe 文件后，可以键入：

C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>

运行应用程序将创建 Web 服务 JSON 模板。若要使用模板部署 Web 服务，必须添加以下信息：

存储帐户名和密钥

可以从 Azure 门户获取存储帐户名和密钥。
承诺计划 ID

通过登录并单击计划名称，可以从机器学习 Web 服务获取计划 ID。

在与 MachineLearningWorkspace 节点相同的级别上，将它们添加到 JSON 模板作为 Properties 节点的子节点。

下面是一个示例：

"StorageAccount": {
        "name": "YourStorageAccountName",
        "key": "YourStorageAccountKey"
},
"CommitmentPlan": {
    "id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}

有关更多详细信息，请参阅以下文章和示例代码：

MSDN 上的机器学习工作室（经典）Cmdlet 参考

使用 Web 服务

从机器学习 Web 服务 UI（测试）

可以从机器学习 Web 服务门户测试 Web 服务。这包括测试请求-响应服务 (RRS) 和批处理执行服务 (BES) 接口。

从 Excel

可以下载使用 Web 服务的 Excel 模板：

从基于 REST 的客户端

机器学习 Web 服务是 RESTful API。可以从多种平台使用这些 API，例如 .NET、Python、R、Java 等。机器学习 Web 服务门户上的 Web 服务“使用”页提供示例代码，从而有助于开始操作。有关详细信息，请参阅如何使用机器学习 Web 服务。

通过