Utiliser l’activité Azure Machine Learning pour exécuter un travail sur une instance Azure Machine Learning
L’activité Azure Machine Learning dans Data Factory pour Microsoft Fabric vous permet d’exécuter un travail sur une instance Azure Machine Learning.
Prérequis
Pour commencer, vous devez remplir les conditions préalables suivantes :
- Un compte locataire avec un abonnement actif. Créez un compte gratuitement.
- Un espace de travail est créé.
Ajouter une activité Azure Machine Learning à un pipeline avec l’interface utilisateur
Pour utiliser une activité Azure Machine Learning dans un pipeline, procédez comme suit :
Créer l’activité
Créez un pipeline dans votre espace de travail.
Recherchez Azure Machine Learning dans le volet Activités du pipeline, puis sélectionnez-le pour l’ajouter au canevas du pipeline.
Remarque
Vous devrez peut-être développer le menu et faire défiler vers le bas pour afficher l’activité Azure Machine Learning, comme indiqué dans la capture d’écran suivante.
Sélectionnez la nouvelle activité Azure Batch sur le canevas de l’éditeur de pipelines si elle n’est pas déjà sélectionnée.
Reportez-vous aux instructions relatives aux paramètres Général pour configurer l’onglet Paramètres Général .
Paramètres d’activité Azure Machine Learning
- Sélectionnez l’onglet Paramètres, puis créez une connexion Azure Machine Learning ou choisissez-en une existante.
- Pour Type de point de terminaison, choisissez le point de terminaison Batch ou le pipeline (v1).
- Fournissez un point de terminaison Batch et un déploiement Batch et configurez les paramètres du **travail pour le type de point de terminaison Batch, ou fournissez les détails du pipeline pour exécuter un pipeline (v1) Azure Machine Learning.
Enregistrer et exécuter ou planifier le pipeline
Après avoir configuré toutes les autres activités requises pour votre pipeline, basculez vers l’onglet Accueil en haut de l’éditeur de pipeline et sélectionnez le bouton Enregistrer pour enregistrer votre pipeline. Sélectionnez Exécuter pour l'exécuter directement ou Planifier pour le planifier. Vous pouvez également afficher l'historique d'exécution ici ou configurer d'autres paramètres.
