Az Azure Machine Learning mint Event Grid-forrás

Ez a cikk a gépi tanulási munkaterület eseményeinek tulajdonságait és sémáját ismerteti. Az eseménysémákról az Azure Event Grid eseményséma című témakörben olvashat.

Elérhető eseménytípusok

Az Azure Machine Learning a következő eseménytípusokat bocsátja ki:

Eseménytípus Leírás
Microsoft.MachineLearningServices.ModelRegistered Az új modell vagy modellverzió sikeres regisztrálása után történik.
Microsoft.MachineLearningServices.ModelDeployed Akkor merül fel, ha a modell(ek) sikeresen üzembe lett helyezve egy végponton.
Microsoft.MachineLearningServices.RunCompleted A futtatás sikeres befejezésekor történik.
Microsoft.MachineLearningServices.DatasetDriftDetected Akkor merül fel, ha egy adathalmaz eltérésfigyelője észleli a sodródást.
Microsoft.MachineLearningServices.RunStatusChanged A futtatási állapot változásakor aktiválva.

Példaesemények

Az események aktiválásakor az Event Grid szolgáltatás adatokat küld a feliratkozott végpontnak az eseménnyel kapcsolatban. Ez a szakasz egy példát tartalmaz arra, hogy az adatok hogyan néznek ki az egyes eseményekhez.

Microsoft.MachineLearningServices.ModelRegistered esemény

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.ModelDeployed esemény

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunCompleted esemény

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.DatasetDriftDetected esemény

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunStatusChanged esemény

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

Esemény tulajdonságai

Egy esemény a következő legfelső szintű adatokkal rendelkezik:

Tulajdonság Típus Leírás
source karakterlánc Az eseményforrás teljes erőforrás-elérési útja. Ez a mező nem írható. Az értéket az Event Grid adja meg.
subject karakterlánc Az esemény tárgyra mutató, a közzétevő által megadott elérési út.
type karakterlánc Az eseményforráshoz felvett eseménytípusok egyike.
time karakterlánc Az esemény létrehozásának időpontja a szolgáltató UTC-ideje alapján.
id karakterlánc Az esemény egyedi azonosítója.
data objektum Blob Storage-eseményadatok.
specversion karakterlánc A CloudEvents sémaspecifikációs verziója.

Az adatobjektum minden eseménytípushoz a következő tulajdonságokkal rendelkezik:

Microsoft.MachineLearningServices.ModelRegistered

Tulajdonság Típus Leírás
ModelName karakterlánc A regisztrált modell neve.
ModelVersion karakterlánc A regisztrált modell verziója.
ModelTags objektum A regisztrált modell címkéi.
ModelProperties objektum A regisztrált modell tulajdonságai.

Microsoft.MachineLearningServices.ModelDeployed

Tulajdonság Típus Leírás
ServiceName karakterlánc Az üzembe helyezett szolgáltatás neve.
ServiceComputeType karakterlánc Az üzembe helyezett szolgáltatás számítási típusa (például ACI, AKS).
ModelIds karakterlánc A modellazonosítók vesszővel tagolt listája. A szolgáltatásban üzembe helyezett modellek azonosítói.
ServiceTags objektum Az üzembe helyezett szolgáltatás címkéi.
ServiceProperties objektum Az üzembe helyezett szolgáltatás tulajdonságai.

Microsoft.MachineLearningServices.RunCompleted

Tulajdonság Típus Leírás
experimentId karakterlánc Annak a kísérletnek az azonosítója, amelyhez a futtatás tartozik.
experimentName karakterlánc Annak a kísérletnek a neve, amelyhez a futtatás tartozik.
runId karakterlánc A befejezett futtatás azonosítója.
runType karakterlánc A befejezett futtatás futtatási típusa.
runTags objektum A befejezett futtatás címkéi.
runProperties objektum A befejezett futtatás tulajdonságai.

Microsoft.MachineLearningServices.DatasetDriftDetected

Tulajdonság Típus Leírás
DataDriftId karakterlánc Az eseményt kiváltó adateltolódás-figyelő azonosítója.
DataDriftName karakterlánc Az eseményt kiváltó adateltolódás-figyelő neve.
RunId karakterlánc Az adateltolódást észlelő futtatás azonosítója.
BaseDatasetId karakterlánc Az eltolódás észlelésére használt alapadatkészlet azonosítója.
TargetDatasetId karakterlánc A sodródás észlelésére használt céladatkészlet azonosítója.
DriftCoefficient double Az eseményt kiváltó együttható eredménye.
StartTime datetime A céladatkészlet idősorának kezdő időpontja, amely eltérésészlelést eredményezett.
EndTime datetime A céladatkészlet idősorának vége, amely eltérésészlelést eredményezett.

Microsoft.MachineLearningServices.RunStatusChanged

Tulajdonság Típus Leírás
experimentId karakterlánc Annak a kísérletnek az azonosítója, amelyhez a futtatás tartozik.
experimentName karakterlánc Annak a kísérletnek a neve, amelyhez a futtatás tartozik.
runId karakterlánc A befejezett futtatás azonosítója.
runType karakterlánc A befejezett futtatás futtatási típusa.
runTags objektum A befejezett futtatás címkéi.
runProperties objektum A befejezett futtatás tulajdonságai.
runStatus karakterlánc A futtatás állapota.

Oktatóanyagok és útmutatók

Cím Leírás
Azure Machine Learning-események felhasználása Az Azure Machine Learning és az Event Grid integrálásának áttekintése.

Következő lépések

  • Last updated on