Migración de los módulos Execute R Script (Ejecutar script R) en Studio (clásico)

  • Artículo

Importante

La compatibilidad con Azure Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning por esa fecha.

A partir del 1 de diciembre de 2021, no puede crear nuevos recursos de Machine Learning Studio (clásico) (área de trabajo y plan de servicio web). Hasta el 31 de agosto de 2024, puede seguir usando los experimentos y servicios web existentes de Machine Learning Studio (clásico). Para más información, vea:

La documentación de Machine Learning Studio (clásico) se está retirando y es posible que no se actualice en el futuro.

En este artículo, aprenderá a recompilar un módulo Execute R Script (Ejecutar script R) de Studio (clásico) en Azure Machine Learning.

Para obtener más información sobre cómo migrar desde Studio (clásico), consulte el artículo de información general sobre la migración.

Ejecución script de R

El diseñador de Azure Machine Learning ahora se ejecuta en Linux. Studio (clásico) se ejecuta en Windows. Debido al cambio de plataforma, debe ajustar el módulo Execute script R (Ejecutar script R) durante la migración; de lo contrario, se producirá un error en la canalización.

Para migrar un módulo Execute script R (Ejecutar script R) desde Studio (clásico), debe reemplazar las interfaces maml.mapInputPort y maml.mapOutputPort por funciones estándar.

En la tabla siguiente se resumen los cambios en el módulo de script R:

Característica Studio (clásico) Diseñador de Azure Machine Learning
Interfaz de script maml.mapInputPort y maml.mapOutputPort Interfaz de función
Plataforma Windows Linux
Accesible desde Internet No Sí
Memoria 14 GB Depende de la SKU de proceso

Cómo actualizar la interfaz del módulo de script R

Este es el contenido de un módulo Ejecutar script R (Ejecutar script R) de ejemplo en Studio (clásico):

# Map 1-based optional input ports to variables 
dataset1 <- maml.mapInputPort(1) # class: data.frame 
dataset2 <- maml.mapInputPort(2) # class: data.frame 

# Contents of optional Zip port are in ./src/ 
# source("src/yourfile.R"); 
# load("src/yourData.rdata"); 

# Sample operation 
data.set = rbind(dataset1, dataset2); 

 
# You'll see this output in the R Device port. 
# It'll have your stdout, stderr and PNG graphics device(s). 

plot(data.set); 

# Select data.frame to be sent to the output Dataset port 
maml.mapOutputPort("data.set");

Este es el contenido actualizado en el diseñador. Observe que maml.mapInputPort y maml.mapOutputPort se han reemplazado por la interfaz de función estándar azureml_main.

azureml_main <- function(dataframe1, dataframe2){ 
    # Use the parameters dataframe1 and dataframe2 directly 
    dataset1 <- dataframe1 
    dataset2 <- dataframe2 

    # Contents of optional Zip port are in ./src/ 
    # source("src/yourfile.R"); 
    # load("src/yourData.rdata"); 

    # Sample operation 
    data.set = rbind(dataset1, dataset2); 


    # You'll see this output in the R Device port. 
    # It'll have your stdout, stderr and PNG graphics device(s). 
    plot(data.set); 

  # Return datasets as a Named List 

  return(list(dataset1=data.set)) 
}

Para obtener más información, consulte la referencia del módulo Execute R Script (Ejecutar script R) en el diseñador.

Instalación de paquetes de R desde Internet

El diseñador de Azure Machine Learning permite instalar paquetes directamente desde CRAN.

Esta es una mejora con respecto a Studio (clásico). Como Studio (clásico) se ejecuta en un entorno de espacio aislado sin acceso a Internet, había que cargar scripts en un conjunto zip para instalar más paquetes.

Use el código siguiente para instalar paquetes de CRAN en el módulo Execute R Script (Ejecutar script R) del diseñador:

  if(!require(zoo)) { 
      install.packages("zoo",repos = "http://cran.us.r-project.org") 
  } 
  library(zoo)

Pasos siguientes

En este artículo, ha aprendido a migrar los módulos Execute R Script (Ejecutar script R) a Azure Machine Learning.

Consulte los demás artículos de la serie de migración de Studio (clásico):

  1. Información general sobre la migración.
  2. Migración de un conjunto de datos de Studio a Azure Machine Learning.
  3. Recompilación de una canalización de entrenamiento de Studio (clásico).
  4. Recompilación de un servicio web de Studio (clásico).
  5. Integración de un servicio web de Machine Learning con aplicaciones cliente.
  6. Migración de módulos de Execute R Script (Ejecutar script R) .