共用方式為

機器學習 Studio （傳統） Web 服務：部署和取用

  • 發行項

適用於：適用。機器學習 Studio（傳統版）不適用。Azure 機器學習

重要

Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。

自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。

ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。

您可以使用 機器學習 Studio（傳統版）將機器學習工作流程和模型部署為 Web 服務。 然後，這些 Web 服務可用來透過因特網從應用程式呼叫機器學習模型，以即時或批次模式執行預測。 因為 Web 服務是 RESTful，因此您可以從各種程式設計語言和平臺呼叫它們，例如 .NET 和 Java，以及從 Excel 等應用程式呼叫它們。

下一節提供逐步解說、程式代碼和文件的連結，以協助您開始使用。

部署 Web 服務

使用 機器學習 Studio （傳統）

Studio （傳統） 入口網站和 機器學習 Web 服務入口網站可協助您部署和管理 Web 服務，而不需要撰寫程式代碼。

下列連結提供如何部署新 Web 服務的一般資訊：

使用 Web 服務資源提供者 API （Azure Resource Manager API）

web 服務的 機器學習 Studio （傳統） 資源提供者會使用 REST API 呼叫來部署和管理 Web 服務。 如需詳細資訊，請參閱 機器學習 Web 服務 （REST） 參考。

使用 PowerShell Cmdlet

Web 服務的 機器學習 Studio （傳統） 資源提供者，可使用 PowerShell Cmdlet 來部署和管理 Web 服務。

若要使用 Cmdlet，您必須先使用 Connect-AzAccount Cmdlet，從 PowerShell 環境中登入您的 Azure 帳戶。 如果您不熟悉如何呼叫以 Resource Manager 為基礎的 PowerShell 命令，請參閱 搭配 Azure PowerShell 搭配 Azure Resource Manager。

若要匯出您的預測實驗，請使用 此範例程序代碼。 從程式代碼建立.exe檔案之後，您可以輸入：

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

執行應用程式會建立 Web 服務 JSON 範本。 若要使用範本來部署 Web 服務，您必須新增下列資訊：

將它們新增至 JSON 範本，做為與 MachineLearningWorkspace 節點相同層級之 Properties 節點的子系。

以下是範例：

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

如需其他詳細數據，請參閱下列文章和範例程序代碼：

取用 Web 服務

從 機器學習 Web 服務 UI （測試）

您可以從 機器學習 Web 服務入口網站測試 Web 服務。 這包括測試要求-回應服務 （RRS） 和批次執行服務 （BES） 介面。

從 Excel

您可以下載取用 Web 服務的 Excel 樣本：

從 REST 型用戶端

機器學習 Web 服務是 RESTful API。 您可以從各種平台取用這些 API，例如 .NET、Python、R、Java 等。機器學習 Web 服務入口網站上 Web 服務的 [取用] 頁面具有可協助您開始使用的範例程式代碼。 如需詳細資訊，請參閱如何使用 機器學習 Web 服務。