Consumo de puntos de conexión de canalización de aplicaciones cliente
Importante
La compatibilidad con Estudio de Azure Machine Learning (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
Desde el 1 de diciembre de 2021, no se puede crear nuevos recursos de Estudio de Machine Learning (clásico) (área de trabajo y plan de servicio web). Hasta el 31 de agosto de 2024, podrá seguir usando los experimentos y servicios web existentes de Estudio de Machine Learning (clásico). Para más información, vea:
- Migración a Azure Machine Learning desde Estudio de Machine Learning (clásico)
- ¿Qué es Azure Machine Learning?
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 integrar aplicaciones cliente con puntos de conexión de Azure Machine Learning.
Este artículo forma parte de la serie de migración de ML Studio (clásico) a Azure Machine Learning. Para obtener más información sobre cómo migrar a Azure Machine Learning, consulte el artículo de información general sobre la migración.
Requisitos previos
- Una cuenta de Azure con una suscripción activa. Cree una cuenta gratuita.
- Un área de trabajo de Azure Machine Learning. Creación de recursos para el área de trabajo.
- Un punto de conexión en tiempo real o un punto de conexión de canalización de Azure Machine Learning.
Consumo de un punto de conexión en tiempo real
Si ha implementado el modelo como un punto de conexión en tiempo real, puede encontrar su punto de conexión REST y el código de consumo generado previamente en C#, Python y R:
- Vaya a Estudio de Azure Machine Learning en ml.azure.com.
- Haga clic en la pestaña Puntos de conexión.
- Seleccione el punto de conexión en tiempo real.
- Seleccione Consumir.
Nota:
También puede encontrar la especificación de Swagger del punto de conexión en la pestaña Detalles. Utilice esta definición para comprender el esquema del punto de conexión. Para obtener más información sobre la definición Swagger, consulte la documentación oficial de Swagger.
Consumir un punto de conexión de canalización
Hay dos maneras de consumir un punto de conexión de canalización:
- Llamadas a la API de REST
- Integración con Azure Data Factory
Uso de llamadas a la API de REST
Llame al punto de conexión REST desde la aplicación cliente. Puede usar la especificación Swagger del punto de conexión para comprender su esquema:
- Vaya a Estudio de Azure Machine Learning en ml.azure.com.
- Haga clic en la pestaña Puntos de conexión.
- Seleccione Pipeline endpoints (Puntos de conexión de canalización).
- Seleccione el punto de conexión de la canalización.
- En el panel de Información general sobre los puntos de conexión de las canalizaciones, seleccione el vínculo que aparece debajo de la documentación del punto de conexión REST.
Usar Azure Data Factory
Puede llamar a la canalización de Azure Machine Learning como un paso en una canalización de Azure Data Factory. Para más información, consulte Ejecución de canalizaciones de Azure Machine Learning en Azure Data Factory.
Pasos siguientes
En este artículo, ha aprendido a encontrar el esquema y el código de ejemplo de los puntos de conexión de la canalización. Para más información sobre la autenticación en un punto de conexión, consulte Autenticación en un punto de conexión en línea.
Consulte el resto de los artículos de la serie sobre migración a Azure Machine Learning:
- Información general sobre la migración.
- Migración de un conjunto de datos de Studio a Azure Machine Learning.
- Recompilación de una canalización de entrenamiento de Studio (clásico).
- Recompilación de un servicio web de Studio (clásico).
- Migración de los módulos Execute R Script (Ejecutar script R) de Studio (Clásico).
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente las Cuestiones de GitHub como mecanismo de retroalimentación para el contenido y lo sustituiremos por un nuevo sistema de retroalimentación. Para más información, consulta:Enviar y ver comentarios de