webservice Paquet

Contient les fonctionnalités permettant de déployer des modèles Machine Learning en tant que points de terminaison de service web sur Azure Machine Learning.

Le déploiement d’un modèle Azure Machine Learning en tant que service web crée un point de terminaison et une API REST. Vous pouvez envoyer des données à cette API et recevoir la prédiction retournée par le modèle.

Vous créez un service web quand vous déployez un Model ou une Image sur Azure Container Instances (module aci), Azure Kubernetes Service (module aks) et Azure Kubernetes Endpoint (AksEndpoint), ou des FPGA (field programmable gate arrays). Le déploiement à l’aide d’un modèle est recommandé pour la plupart des cas d’usage, alors que le déploiement à l’aide d’une image est recommandé pour les cas d’usage avancés. Les deux types de déploiement sont pris en charge dans les classes de ce module.

Modules

aci	Contient les fonctionnalités permettant de déployer des modèles Machine Learning en tant que points de terminaison de service web sur Azure Container Instances. ACI (Azure Container Instances) est recommandé pour les scénarios qui peuvent s’appliquer aux conteneurs isolés ainsi qu’aux applications simples, à l’automatisation des tâches et aux tâches de build. Pour plus d’informations sur l’utilisation d’ACI, consultez Déployer un modèle dans Azure Container Instances.
aks	Contient les fonctionnalités permettant de déployer des modèles Machine Learning en tant que points de terminaison de service web sur Azure Kubernetes Service. AKS (Azure Kubernetes Service) est recommandé pour les scénarios où vous devez disposer d’une orchestration de conteneurs complète (découverte de services dans plusieurs conteneurs, mise à l’échelle automatique et mises à niveau d’applications coordonnées). Pour plus d’informations, consultez Déployer un modèle sur Azure Kubernetes Service.
container_resource_requirements	Module permettant de décrire les impératifs liés aux ressources d’un conteneur dans Azure Machine Learning.
local	Contient les fonctionnalités permettant de déployer des modèles Machine Learning en tant que points de terminaison de service web local. Le déploiement sur un service web local est recommandé pour les scénarios où vous devez déployer et valider rapidement votre modèle, ou quand vous testez un modèle en cours de développement. Pour plus d’informations, consultez Déployer un modèle sur des machines virtuelles Notebook.
unknown_webservice	Contient les fonctionnalités pour la gestion des services Web inconnus dans Azure Machine Learning.
webservice	Contient les fonctionnalités permettant de gérer les modèles déployés sous forme de point de terminaison de service web dans Azure Machine Learning. Ce module contient la classe parente abstraite Webservice qui définit les méthodes à utiliser pour déployer des modèles. Un modèle courant consiste à créer un objet de configuration pour la cible de calcul spécifique, puis à utiliser les méthodes de la classe Webservice avec cet objet de configuration. Par exemple, pour effectuer un déploiement sur Azure Container Instances, créez un objet AciServiceDeploymentConfiguration à partir de la méthode deploy_configuration de la classe AciWebservice, puis utilisez l’une des méthodes de déploiement de la classe Webservice. Un modèle similaire s’applique aux classes AksWebservice, AksEndpoint et LocalWebservice. Pour consulter une vue d’ensemble du déploiement, voir Déployer des modèles avec Azure Machine Learning.

Classes

AciWebservice	Représente un modèle Machine Learning déployé en tant que point de terminaison de service web sur Azure Container Instances. Un service déployé est créé à partir d’un modèle, d’un script et des fichiers associés. Le service web résultant est un point de terminaison HTTP à charge équilibrée avec une API REST. Vous pouvez envoyer des données à cette API et recevoir la prédiction retournée par le modèle. Pour plus d’informations, consultez Déployer un modèle dans Azure Container Instances. Initialisez le instance webservice. Le constructeur webservice récupère une représentation cloud d’un objet Webservice associé à l’espace de travail fourni. Elle retourne une instance d’une classe enfant correspondant au type spécifique de l’objet Webservice récupéré.
AksEndpoint	Notes Il s’agit d’une classe expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental. Représente une collection de versions de service web derrière le même point de terminaison s’exécutant sur Azure Kubernetes Service. Alors qu’un AksWebservice déploie un seul service avec un seul point de terminaison de scoring, la classe AksEndpoint vous permet de déployer plusieurs versions de service web derrière le même point de terminaison de scoring. Chaque version de service web peut être configurée pour traiter un pourcentage du trafic afin que vous puissiez déployer des modèles de manière contrôlée, par exemple pour des tests A/B. AksEndpoint permet le déploiement à partir d’un objet de modèle similaire à AksWebservice. Initialisez le instance webservice. Le constructeur webservice récupère une représentation cloud d’un objet Webservice associé à l’espace de travail fourni. Elle retourne une instance d’une classe enfant correspondant au type spécifique de l’objet Webservice récupéré.
AksWebservice	Représente un modèle Machine Learning déployé en tant que point de terminaison de service web sur Azure Kubernetes Service. Un service déployé est créé à partir d’un modèle, d’un script et des fichiers associés. Le service web résultant est un point de terminaison HTTP à charge équilibrée avec une API REST. Vous pouvez envoyer des données à cette API et recevoir la prédiction retournée par le modèle. AksWebservice déploie un seul service sur un seul point de terminaison. Pour déployer plusieurs services sur un seul point de terminaison, utilisez la classe AksEndpoint. Pour plus d’informations, consultez Déployer un modèle sur un cluster Azure Kubernetes Service. Initialisez le instance webservice. Le constructeur webservice récupère une représentation cloud d’un objet Webservice associé à l’espace de travail fourni. Elle retourne une instance d’une classe enfant correspondant au type spécifique de l’objet Webservice récupéré.
LocalWebservice	Représente un modèle Machine Learning déployé en tant que point de terminaison de service web local. Le déploiement local de services web est utile au débogage et aux tests de scénarios. Constructeur de service web local. Le constructeur localWebservice est utilisé pour récupérer une représentation locale d’un objet LocalWebservice associé à l’espace de travail fourni.
UnknownWebservice	À usage interne uniquement. Cette classe est utilisée par la classe Webservice pour obtenir ou répertorier les sous-types de service lorsque le service Web a été créé à partir d’un package qui n’a pas été importé, par exemple, pour un service créé avec le package <xref:azureml.accel>. Initialisez le instance webservice. Le constructeur webservice récupère une représentation cloud d’un objet Webservice associé à l’espace de travail fourni. Elle retourne une instance d’une classe enfant correspondant au type spécifique de l’objet Webservice récupéré.
Webservice	Définit les fonctionnalités de base pour le déploiement de modèles en tant que points de terminaison de service web sur Azure Machine Learning. Le constructeur Webservice permet de récupérer une représentation cloud d’un objet Webservice associé à l’espace de travail fourni. Retourne une instance d’une classe enfant correspondant au type spécifique de l’objet Webservice récupéré. La classe Webservice permet de déployer des modèles Machine Learning à partir d’un objet Model ou Image. Pour plus d’informations sur l’utilisation de Webservice, consultez Déployer des modèles avec Azure Machine Learning. Initialisez le instance webservice. Le constructeur webservice récupère une représentation cloud d’un objet Webservice associé à l’espace de travail fourni. Elle retourne une instance d’une classe enfant correspondant au type spécifique de l’objet Webservice récupéré.