Appeler les points de terminaison de lot et résoudre les problèmes

  • 5 minutes

Quand vous appelez un point de terminaison de lot, vous déclenchez un travail de pipeline Azure Machine Learning. Le travail attend un paramètre d’entrée pointant vers le jeu de données dont vous souhaitez déterminer le score.

Déclencher le travail de scoring par lots

Pour préparer des données en vue des prédictions par lots, vous pouvez inscrire un dossier en tant que ressource de données dans l’espace de travail Azure Machine Learning.

Vous pouvez ensuite utiliser la ressource de données inscrite en tant qu’entrée lors de l’appel du point de terminaison de lot avec le kit SDK Python :

from azure.ai.ml import Input
from azure.ai.ml.constants import AssetTypes

input = Input(type=AssetTypes.URI_FOLDER, path="azureml:new-data:1")

job = ml_client.batch_endpoints.invoke(
    endpoint_name=endpoint.name, 
    input=input)

Vous pouvez superviser l’exécution du travail de pipeline dans Azure Machine Learning studio. Tous les travaux qui sont déclenchés par l’appel du point de terminaison de lot s’affichent sous l’onglet Travaux du point de terminaison de lot.

Capture d’écran des travaux effectués et ayant échoué à partir d’un point de terminaison de lot appelé.

Les prédictions sont stockées dans le magasin de données par défaut.

Résoudre les problèmes liés à un travail de scoring par lots

Le travail de scoring par lots s’exécute en tant que travail de pipeline. Si vous souhaitez résoudre les problèmes liés au travail de pipeline, vous pouvez passer en revue les détails, ainsi que les sorties et les journaux du travail de pipeline lui-même.

Capture d’écran du travail enfant dans la vue d’ensemble du travail de pipeline.

Si vous souhaitez résoudre les problèmes liés au script de scoring, vous pouvez sélectionner le travail enfant et passer en revue ses sorties et ses journaux.

Accédez à l’onglet Sorties + journaux. Le dossier logs/user/ contient trois fichiers permettant de résoudre les problèmes :

  • job_error.txt : résume les erreurs dans votre script.
  • job_progress_overview.txt : fournit des informations très détaillées sur le nombre de mini-lots traités jusqu’à présent.
  • job_result.txt : affiche les erreurs d’appel de la fonction init() et run() dans le script de scoring.

Capture d’écran de la sortie et des journaux du travail enfant.