Spouštění pipeline Azure Machine Learning v Azure Data Factory a Synapse Analytics

VZTAHUJE SE NA: Azure Data Factory Azure Synapse Analytics

Tip

Pro ekvivalentní aktivitu v Data Factory v Microsoft Fabric viz aktivita Azure Machine Learning.

Spouštějte pipeliny Azure Machine Learning jako krok v pipelinách Azure Data Factory a Synapse Analytics. Aktivita Machine Learning Provádění potrubí umožňuje scénáře dávkových předpovědí, jako je identifikace možných nesplacení půjček, analýza sentimentu a analýza zákaznických chování.

Následující video obsahuje šestiminutový úvod a ukázku této funkce.

Vytvořte aktivitu spuštění kanálu Machine Learning pomocí uživatelského rozhraní

Pokud chcete v kanálu použít aktivitu Machine Learning Spustit kanál, proveďte následující kroky:

  1. V podokně Aktivity potrubí vyhledejte Machine Learning a přetáhněte aktivitu Spustit potrubí Machine Learning na plátno kanálu.

  2. Pokud ještě není vybraná, vyberte na plátně novou aktivitu Machine Learning Spustit kanál a jeho kartu Settings a upravte podrobnosti.

    Zobrazí uživatelské rozhraní pro aktivitu spuštění kanálu strojového učení.

  3. Vyberte existující nebo vytvořte novou Azure Machine Learning propojenou službu a zadejte podrobnosti o kanálu a experimentu a všechny parametry kanálu nebo přiřazení cesty k datům vyžadované pro kanál.

Syntaxe

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Vlastnosti typu

Vlastnost Popis Povolené hodnoty Požaduje se
název Název aktivity v potrubí String Ano
typ Typ aktivity je AzureMLExecutePipeline. String Ano
názevPrepojenéSlužby Propojená služba s Azure Machine Learning Odkaz na propojenou službu Ano
mlPipelineId ID publikovaného datového kanálu Azure Machine Learning Řetězec (nebo výraz s typem výsledku řetězce) Ano
experimentName Název spuštění kanálu Machine Learning v historii experimentu Řetězec (nebo výraz s typem výsledku řetězce) Ne
mlPipelineParameters Klíč, páry hodnot, které se mají předávat do publikovaného koncového bodu kanálu Azure Machine Learning Klíče musí odpovídat názvům parametrů pipeline definovaných v publikovaném Machine Learning pipeline. Objekt s páry klíč-hodnota (nebo výraz s objektem typu „resultType“) Ne
mlParentRunId ID spuštění nadřazeného Azure Machine Learning kanálu Řetězec (nebo výraz s typem výsledku řetězce) Ne
dataPathAssignments Slovník používaný ke změně cest k datům v Azure Machine Learning. Povolí přepínání cest k datům. Objekt s dvojicemi klíč-hodnota Ne
continueOnStepFailure Zda pokračovat v provádění kroků v běhu kanálu Machine Learning, pokud se nějaký krok nezdaří booleovský Ne

Poznámka:

Pokud chcete naplnit položky rozevíracího seznamu v Machine Learning názvu a ID kanálu, musí mít uživatel oprávnění k výpisu kanálů ML. Uživatelské rozhraní volá rozhraní API služby AzureMLService přímo pomocí přihlašovacích údajů přihlášeného uživatele. Doba zjišťování pro položky rozevíracího seznamu by při použití privátních koncových bodů byla mnohem delší.

Související obsah

Podívejte se na následující články, které vysvětlují, jak transformovat data jinými způsoby:

  • Last updated on