載入定型的模型
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。
載入 web 主控的定型模型
類別： 資料輸入和輸出
模組概觀
本文描述如何使用機器學習 Studio (傳統) 中的「負載定型模型」模組，載入已定型的模型以供實驗使用。
此課程模組需要現有的定型模型。 一般而言，您會在不同的實驗中建立並定型模型，然後將模型儲存到您的工作區，或儲存至其中一個支援的雲端儲存體選項。
然後，您可以使用「 負載定型模型 」模組來取得定型的模型，並在新的實驗中加以執行。
如何使用負載定型模型
若要使用現有的模型來對新資料進行預測：
- 模型之前必須先經過定型，然後以 .Ilearner 格式儲存。
- 您必須可透過 URL 或 Azure blob 儲存體來存取此模型。
本節說明如何儲存模型、取得已儲存的模型，以及套用已儲存的模型。
儲存定型的模型
您可以使用 Studio (傳統) 介面，或使用以 web 服務形式執行的實驗來儲存模型。
使用 web 服務來儲存模型
- 建立會將模型定型或重新定型為 web 服務的實驗
- 將該實驗發佈為 Web 服務。
- 當您呼叫定型 web 服務的 # 個端點時，Web 服務會使用 .Ilearner 介面儲存定型的模型，並將該檔案儲存在您指定的 Azure blob 儲存體帳戶中。
如需有關如何建立定型 web 服務的逐步解說資訊，請參閱下列文章：
將模型儲存在 Studio (傳統)
- 執行建立和定型模型的實驗。
- 定型完成時，以滑鼠右鍵按一下用於定型的模組，選取 [定型的 模型]，然後按一下 [ 另存為定型的模型]。
- 根據預設，模型會儲存到您的 Studio (傳統) 工作區。 您可以使用 Studio (傳統) UI 來加以查看。
下列模組可以建立使用必要 .ilearner 介面的已儲存模型：
注意
不支援任意模型;模型必須以用於保存機器學習模型的預設二進位格式儲存。
將模型載入至新的實驗
在 Studio (傳統) 中，將 負載定型的模型 模組新增至您的實驗。
若為 [ 資料來源]，請使用下列其中一個選項來指出定型模型的位置：
經由 HTTP 的 WEB URL：提供指向實驗的 URL，以及代表定型模型的檔案。 在機器學習中，已定型的模型預設會以.ilearner格式儲存。
Azure Blob 儲存體：只有在您將已定型的模型匯出至 Azure 儲存體時，才選取此選項。 接著，您必須提供帳戶名稱和帳戶金鑰，以及容器、目錄或 blob 的路徑。
如果您想要建立以目前實驗為基礎的 Request-Response web 服務，請選取 [ 允許在 rr 中使用] 選項。 否則，就會使用批次執行服務來執行評分， (的) 選項，這是建議的做法。 如需詳細資訊，請參閱 技術 提示一節。
如果您想要從快取載入定型的模型（當快取可用且已填入）時，請選取 [使用快取的 結果 ] 選項。 將實驗部署為 Web 服務 API 之後，就會忽略這個選項。
範例
如需如何使用此模組的範例，請參閱Cortana 智慧資源庫。
載入定型的深度 Learning 模型：此範例會建立自訂的類神經網路以進行影像偵測。 藉由使用「 負載定型模型 」模組，您可以輕鬆地重複使用此模型，而不需要進行定型，這可能相當耗時。
此集合包含訓練實驗、建立模型和預測實驗，其中模型會以 web 服務形式載入並用於預測。
技術說明
本節包含實作詳細資料、提示和常見問題集的解答。
常見問題
為什麼不會預設啟用 RR 使用
一般來說，在短時間內，RR 呼叫會傳回結果。 不過，因為模組必須以 blob 的形式從 Azure 儲存體帳戶或公用 HTTP 端點上裝載的檔案載入定型的模型，所以檔案作業可能會導致無法預期的延遲。
因此，我們通常會建議您在批次執行模式中執行 Web 服務， (的) 。 如果您選取 [使用 RR 執行] 的選項，請留意延遲的可能性。 如需執行時間的一般資訊，請參閱機器學習 SLA。
如果使用 [快取的結果] 選項，定型的模型載入的速度會更快
是，但只有在機器學習 Studio 中執行實驗時 (傳統) ，且只有在第一次執行填滿快取時才執行。 將實驗部署為 web 服務之後，web 服務執行會忽略此旗標。
是否有任何方法可將程式自動化
您可以使用 PowerShell 來簡化或自動化機器學習中的許多工。 例如，您可以下載整個實驗或特定模組的內容、匯出 web 服務的定義，或叫用 web 服務執行 API。 如需詳細資訊，請參閱適用于 Microsoft 機器學習的 PowerShell 模組。
模組參數
| 名稱 | 範圍 | 類型 | 預設 | 描述 |
|---|---|---|---|---|
| 允許在 RR 中使用 | True/False | Boolean | false | 允許此模組在要求-回應 web 服務中執行，這可能會產生無法預測的延遲 |
| 資料來源 | 透過 HTTP 或 Azure Blob 儲存體的 Web URL | T_DataSourceOrSink | Azure Blob 儲存體 | 資料來源可以是 HTTP 或 Azure blob 儲存體中的檔案 (需要) |
| 針對透過 HTTP 的 WEB URL： | ||||
| 資料來源 URL | 任意 | String | HTTP 的 URL | |
| 針對Azure Blob 儲存體： | ||||
| 帳戶名稱 | 任意 | String | 帳戶名稱 | |
| 帳戶金鑰 | 任意 | SecureString | 與 Microsoft Azure 儲存體帳戶相關聯的金鑰 | |
| 容器或目錄或 blob 的路徑 | 任意 | String | Blob 的路徑或資料表的名稱 |
輸出
| 名稱 | 類型 | 說明 |
|---|---|---|
| 定型的模型 | ILearner 介面 | 定型的模型 |
例外狀況
| 例外狀況 | 描述 |
|---|---|
| 錯誤 0003 | 如果一或多個輸入為 Null 或空白，就會發生例外狀況。 |
如需 Studio (傳統) 模組特定的錯誤清單，請參閱機器學習錯誤碼。
如需 API 例外狀況的清單，請參閱機器學習 REST API 錯誤碼。