共用方式為


如何使用 機器學習 Studio (傳統) Web 服務

適用於:這是複選標記,這表示本文適用於 機器學習 Studio(傳統版)。機器學習 Studio(傳統版)這是 X,這表示本文適用於 Azure 機器學習。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。

一旦您將 機器學習 Studio (傳統) 預測模型部署為 Web 服務之後,您就可以使用 REST API 來傳送數據並取得預測。 您可以即時或批次模式傳送數據。

如需如何使用 機器學習 Studio 建立及部署 機器學習 Web 服務的詳細資訊,請參閱:

概觀

使用 機器學習 Web 服務,外部應用程式會即時與 機器學習 工作流程評分模型通訊。 機器學習 Web 服務呼叫會將預測結果傳回給外部應用程式。 若要進行 機器學習 Web 服務呼叫,您可以傳遞部署預測時所建立的 API 金鑰。 機器學習 Web 服務是以 REST 為基礎,這是 Web 程式設計專案的熱門架構選擇。

機器學習 Studio(傳統版)有兩種類型的服務:

  • 要求回應服務 (RRS) – 低延遲、高度可調整的服務,可提供從 機器學習 Studio 建立和部署之無狀態模型的介面(傳統版)。
  • 批次執行服務 (BES) – 為數據記錄評分批次的異步服務。

如需 機器學習Web服務的詳細資訊,請參閱部署 機器學習Web服務

取得授權金鑰

當您部署實驗時,會為 Web 服務產生 API 金鑰。 您可以從數個位置擷取金鑰。

從 機器學習 Web 服務入口網站

登入 機器學習 Web 服務入口網站。

若要擷取新 機器學習 Web 服務的 API 金鑰:

  1. 在 機器學習 Web 服務入口網站中,單擊頂端功能表的 [Web 服務]。
  2. 按兩下您要擷取金鑰的 Web 服務。
  3. 在頂端功能表上,按兩下 [ 取用]。
  4. 複製並儲存 主鍵

若要擷取傳統 機器學習 Web 服務的 API 金鑰:

  1. 在 Azure 機器學習 Web 服務入口網站中,單擊頂端功能表的傳統 Web 服務
  2. 按兩下您正在使用的 Web 服務。
  3. 按兩下您要擷取金鑰的端點。
  4. 在頂端功能表上,按兩下 [ 取用]。
  5. 複製並儲存 主鍵

傳統 Web 服務

您也可以從 機器學習 Studio (classic) 擷取傳統 Web 服務的金鑰。

Machine Learning Studio (傳統)

  1. 在 機器學習 Studio 中(傳統版),按兩下左側的 [WEB 服務]。
  2. 按兩下Web服務。 API 金鑰位於 [儀錶板] 索引標籤上

聯機到 機器學習 Web 服務

您可以使用任何支援 HTTP 要求和回應的程式設計語言,連線到 機器學習 Web 服務。 您可以從 機器學習 Web 服務說明頁面檢視 C#、Python 和 R 中的範例。

當您部署 Web 服務時,機器學習 API 說明 機器學習 建立 API 說明。 請參閱 教學課程 3:部署信用風險模型。 機器學習 API 說明包含預測 Web 服務的詳細數據。

  1. 按兩下您正在使用的 Web 服務。
  2. 按兩下您要檢視 API 說明頁面的端點。
  3. 在頂端功能表上,按兩下 [ 取用]。
  4. 按兩下 [要求-回應] 或 [批次執行端點] 底下的 [API 說明] 頁面

若要檢視新 Web 服務的 機器學習 API 說明

機器學習 Web 服務入口網站中:

  1. 點擊頂 端選單上的 [WEB 服務 ]。
  2. 按兩下您要擷取金鑰的 Web 服務。

單擊 [使用 Web 服務 ] 取得 C#、R 和 Python 中要求回應和批次執行服務和範例程式代碼的 URI。

按兩下 [Swagger API ] 以取得從提供的 URI 呼叫之 API 的 Swagger 型檔。

C# 範例

若要連線到 機器學習 Web 服務,請使用 HttpClient 傳遞 ScoreData。 ScoreData 包含 FeatureVector,這是代表 ScoreData 之數值特徵的 n 維向量。 您可以使用 API 金鑰向 機器學習 服務進行驗證。

若要連線到 機器學習 Web 服務,必須安裝 Microsoft.AspNet.WebApi.Client NuGet 套件。

在 Visual Studio 中安裝 Microsoft.AspNet.WebApi.Client NuGet

  1. 從UCI發佈下載數據集:成人 2 類別數據集Web服務。
  2. 按一下 [工具]>[NuGet 套件管理員]>[套件管理員主控台]
  3. 選擇 [Install-Package Microsoft.AspNet.WebApi.Client]。

執行程式代碼範例

  1. 發佈「範例 1:從 UCI:成人 2 類別數據集下載數據集」實驗,這是 機器學習 範例集合的一部分。
  2. 使用 Web 服務的金鑰指派 apiKey。 請參閱 上述取得授權金鑰
  3. 使用要求 URI 指派 serviceUri。

以下是完整要求的外觀。

using System;
using System.Collections.Generic;
using System.IO;
using System.Net.Http;
using System.Net.Http.Formatting;
using System.Net.Http.Headers;
using System.Text;
using System.Threading.Tasks;

namespace CallRequestResponseService
{
    class Program
    {
        static void Main(string[] args)
        {
            InvokeRequestResponseService().Wait();
        }

        static async Task InvokeRequestResponseService()
        {
            using (var client = new HttpClient())
            {
                var scoreRequest = new
                {
                    Inputs = new Dictionary<string, List<Dictionary<string, string>>> () {
                        {
                            "input1",
                            // Replace columns labels with those used in your dataset
                            new List<Dictionary<string, string>>(){new Dictionary<string, string>(){
                                    {
                                        "column1", "value1"
                                    },
                                    {
                                        "column2", "value2"
                                    },
                                    {
                                        "column3", "value3"
                                    }
                                }
                            }
                        },
                    },
                    GlobalParameters = new Dictionary<string, string>() {}
                };

                // Replace these values with your API key and URI found on https://services.azureml.net/
                const string apiKey = "<your-api-key>"; 
                const string apiUri = "<your-api-uri>";
                
                client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue( "Bearer", apiKey);
                client.BaseAddress = new Uri(apiUri);

                // WARNING: The 'await' statement below can result in a deadlock
                // if you are calling this code from the UI thread of an ASP.NET application.
                // One way to address this would be to call ConfigureAwait(false)
                // so that the execution does not attempt to resume on the original context.
                // For instance, replace code such as:
                //      result = await DoSomeTask()
                // with the following:
                //      result = await DoSomeTask().ConfigureAwait(false)

                HttpResponseMessage response = await client.PostAsJsonAsync("", scoreRequest);

                if (response.IsSuccessStatusCode)
                {
                    string result = await response.Content.ReadAsStringAsync();
                    Console.WriteLine("Result: {0}", result);
                }
                else
                {
                    Console.WriteLine(string.Format("The request failed with status code: {0}", response.StatusCode));

                    // Print the headers - they include the request ID and the timestamp,
                    // which are useful for debugging the failure
                    Console.WriteLine(response.Headers.ToString());

                    string responseContent = await response.Content.ReadAsStringAsync();
                    Console.WriteLine(responseContent);
                }
            }
        }
    }
}

Python 範例

若要連線到 機器學習 Web 服務,請使用適用於 Python 2.X 的 urllib2 連結庫和適用於 Python 3.X 的 urllib.request 連結庫。 您將傳遞 ScoreData,其中包含 FeatureVector,這是代表 ScoreData 之數值特徵的 n 維向量。 您可以使用 API 金鑰向 機器學習 服務進行驗證。

執行程式代碼範例

  1. 部署「範例 1:從 UCI:成人 2 類別數據集下載數據集」實驗,這是 機器學習 範例集合的一部分。
  2. 使用 Web 服務的金鑰指派 apiKey。 請參閱本文開頭附近的取得授權金鑰一節。
  3. 使用要求 URI 指派 serviceUri。

以下是完整要求的外觀。

import urllib2 # urllib.request and urllib.error for Python 3.X
import json

data = {
    "Inputs": {
        "input1":
        [
            {
                'column1': "value1",   
                'column2': "value2",   
                'column3': "value3"
            }
        ],
    },
    "GlobalParameters":  {}
}

body = str.encode(json.dumps(data))

# Replace this with the URI and API Key for your web service
url = '<your-api-uri>'
api_key = '<your-api-key>'
headers = {'Content-Type':'application/json', 'Authorization':('Bearer '+ api_key)}

# "urllib.request.Request(url, body, headers)" for Python 3.X
req = urllib2.Request(url, body, headers)

try:
    # "urllib.request.urlopen(req)" for Python 3.X
    response = urllib2.urlopen(req)

    result = response.read()
    print(result)
# "urllib.error.HTTPError as error" for Python 3.X
except urllib2.HTTPError, error: 
    print("The request failed with status code: " + str(error.code))

    # Print the headers - they include the request ID and the timestamp, which are useful for debugging the failure
    print(error.info())
    print(json.loads(error.read())) 

R 範例

若要連線到 機器學習 Web 服務,請使用 RCurlrjson 連結庫提出要求並處理傳回的 JSON 回應。 您將傳遞 ScoreData,其中包含 FeatureVector,這是代表 ScoreData 之數值特徵的 n 維向量。 您可以使用 API 金鑰向 機器學習 服務進行驗證。

以下是完整要求的外觀。

library("curl")
library("httr")
library("rjson")

requestFailed = function(response) {
    return (response$status_code >= 400)
}

printHttpResult = function(response, result) {
    if (requestFailed(response)) {
        print(paste("The request failed with status code:", response$status_code, sep=" "))
    
        # Print the headers - they include the request ID and the timestamp, which are useful for debugging the failure
        print(response$headers)
    }
    
    print("Result:") 
    print(fromJSON(result))  
}

req = list(
        Inputs = list( 
            "input1" = list(
                "ColumnNames" = list("Col1", "Col2", "Col3"),
                "Values" = list( list( "0", "value", "0" ),  list( "0", "value", "0" )  )
            )                ),
        GlobalParameters = setNames(fromJSON('{}'), character(0))
)

body = enc2utf8(toJSON(req))
api_key = "abc123" # Replace this with the API key for the web service
authz_hdr = paste('Bearer', api_key, sep=' ')

response = POST(url= "<your-api-uri>",
        add_headers("Content-Type" = "application/json", "Authorization" = authz_hdr),
        body = body)

result = content(response, type="text", encoding="UTF-8")

printHttpResult(response, result)

JavaScript 範例

若要連線到 機器學習 Web 服務,請在專案中使用要求 npm 套件。 您也會使用 JSON 物件來格式化輸入並剖析結果。 使用 npm install request --save安裝 ,或將 新增 "request": "*" 至您的package.json, dependencies 然後執行 npm install

以下是完整要求的外觀。

let req = require("request");

const uri = "<your-api-uri>";
const apiKey = "<your-api-key>";

let data = {
    "Inputs": {
        "input1":
        [
            {
                'column1': "value1",
                'column2': "value2",
                'column3': "value3"
            }
        ],
    },
    "GlobalParameters": {}
}

const options = {
    uri: uri,
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        "Authorization": "Bearer " + apiKey,
    },
    body: JSON.stringify(data)
}

req(options, (err, res, body) => {
    if (!err && res.statusCode == 200) {
        console.log(body);
    } else {
        console.log("The request failed with status code: " + res.statusCode);
    }
});