A Machine Learning Studio (klasszikus) webszolgáltatási paramétereinek használata
HATÓKÖR:
A Machine Learning Studio (klasszikus) 
Azure Machine Learning
Fontos
A (klasszikus) Machine Learning Studio támogatása 2024. augusztus 31-én megszűnik. Javasoljuk, hogy addig térjen át az Azure Machine Learning használatára.
2021. december 1-től kezdve nem fog tudni létrehozni új (klasszikus) Machine Learning Studio-erőforrásokat. 2024. augusztus 31-ig továbbra is használhatja a meglévő (klasszikus) Machine Learning Studio-erőforrásokat.
- A gépi tanulási projektek ml studióból (klasszikus) Azure Machine Learningbe való áthelyezéséről szóló információk.
- További információ az Azure Machine Learningről
A (klasszikus) ML Studio dokumentációjának kivezetése folyamatban van, és a jövőben nem várható a frissítése.
A Machine Learning webszolgáltatás egy konfigurálható paraméterekkel rendelkező modulokat tartalmazó kísérlet közzétételével jön létre. Bizonyos esetekben érdemes lehet módosítani a modul viselkedését a webszolgáltatás futása közben. A webszolgáltatás paraméterei lehetővé teszik a feladat végrehajtását.
Gyakori példa az Adatok importálása modul beállítása, hogy a közzétett webszolgáltatás felhasználója más adatforrást adjon meg a webszolgáltatás elérésekor. Vagy konfigurálja az Adatok exportálása modult, hogy más célhelyet lehessen megadni. Néhány további példa a Szolgáltatáskivonatoló modul bitszámának vagy a szűrőalapú szolgáltatáskiválasztási modul kívánt funkcióinak számának módosítására.
Beállíthatja a webszolgáltatás paramétereit, és társíthatja őket egy vagy több modulparaméterhez a kísérletben, és megadhatja, hogy kötelezőek vagy nem kötelezőek-e. A webszolgáltatás felhasználója ezután megadhat értékeket ezekhez a paraméterekhez, amikor meghívja a webszolgáltatást.
Webszolgáltatás-paraméterek beállítása és használata
Webszolgáltatás-paraméter megadásához kattintson a modul paramétere melletti ikonra, és válassza a "Beállítás webszolgáltatás-paraméterként" lehetőséget. Ez létrehoz egy új webszolgáltatás-paramétert, és csatlakoztatja ahhoz a modulparaméterhez. Ezután a webszolgáltatás elérésekor a felhasználó megadhat egy értéket a webszolgáltatás paraméteréhez, amelyet a rendszer a modulparaméterre alkalmaz.
Miután definiált egy webszolgáltatás-paramétert, az elérhető lesz a kísérlet bármely más modulparamétere számára. Ha egy modulhoz egy paraméterhez társított webszolgáltatás-paramétert határoz meg, ugyanazt a webszolgáltatás-paramétert bármely más modulhoz használhatja, amennyiben a paraméter ugyanazt az értéktípust várja el. Ha például a webszolgáltatás paramétere numerikus érték, akkor csak olyan modulparaméterekhez használható, amelyek numerikus értéket várnak. Amikor a felhasználó beállít egy értéket a webszolgáltatás paraméteréhez, a rendszer az összes társított modulparaméterre alkalmazza.
Eldöntheti, hogy megadja-e a webszolgáltatás paraméterének alapértelmezett értékét. Ha igen, akkor a paraméter nem kötelező a webszolgáltatás felhasználója számára. Ha nem ad meg alapértelmezett értéket, akkor a felhasználónak meg kell adnia egy értéket a webszolgáltatás elérésekor.
A webszolgáltatás API-dokumentációja információkat tartalmaz a webszolgáltatás felhasználójának arról, hogyan adhatja meg programozott módon a webszolgáltatás paraméterét a webszolgáltatás elérésekor.
Megjegyzés
A klasszikus webszolgáltatások API-dokumentációját a Machine Learning Studio (klasszikus) irányítópultjának API-súgóoldali hivatkozásán keresztül biztosítjuk. Az új webszolgáltatás API-dokumentációját a Machine Learning Web Services portálon, a webszolgáltatás Consume és Swagger API oldalán találja.
Példa
Tegyük fel például, hogy van egy kísérletünk egy Adatexportálási modullal, amely adatokat küld az Azure Blob Storage-ba. Meghatározunk egy "Blob elérési út" nevű webszolgáltatás-paramétert, amely lehetővé teszi, hogy a webszolgáltatás felhasználója a szolgáltatás elérésekor módosítsa a blobtároló elérési útját.
A Machine Learning Studióban (klasszikus) kattintson az Adatok exportálása modulra a kiválasztásához. Tulajdonságai a kísérletvászontól jobbra lévő Tulajdonságok panelen jelennek meg.
Adja meg a tároló típusát:
- Az Adatok célhelyének megadása területen válassza a "Azure Blob Storage" lehetőséget.
- A Hitelesítés típusának megadása területen válassza a "Fiók" lehetőséget.
- Adja meg az Azure Blob Storage fiókadatait.
Kattintson a tárolóparaméterrel kezdődő blob elérési útjának jobb oldalán található ikonra. Így néz ki:
Válassza a "Beállítás webszolgáltatás-paraméterként" lehetőséget.
A Rendszer hozzáad egy bejegyzést a Tulajdonságok ablaktábla alján található Webszolgáltatás-paraméterek területen a "Tárolóval kezdődő blob elérési útja" névvel. Ez az a webszolgáltatás-paraméter, amely ezzel az Adatexportálási modul paraméterrel van társítva.
A webszolgáltatás paraméterének átnevezéséhez kattintson a névre, írja be a "Blob elérési útja" kifejezést, és nyomja le az Enter billentyűt.
A webszolgáltatás paraméterének alapértelmezett értékének megadásához kattintson a név jobb oldalán található ikonra, válassza az "Alapértelmezett érték megadása" lehetőséget, adjon meg egy értéket (például "container1/output1.csv"), majd nyomja le az Enter billentyűt.
Kattintson a Futtatás elemre.
Kattintson a Webszolgáltatás üzembe helyezése elemre, és válassza a Webszolgáltatás üzembe helyezése [Klasszikus] vagy a Webszolgáltatás üzembe helyezése [Új] lehetőséget a webszolgáltatás üzembe helyezéséhez.
Megjegyzés
Új webszolgáltatás üzembe helyezéséhez megfelelő engedélyekkel kell rendelkeznie abban az előfizetésben, amelyre a webszolgáltatást üzembe helyezi. További információ: Webszolgáltatás kezelése a Machine Learning Web Services portál használatával.
A webszolgáltatás felhasználója mostantól megadhat egy új célhelyet az Adatok exportálása modulhoz a webszolgáltatás elérésekor.
További információ
Részletesebb példát a Gépi tanulási blogwebszolgáltatás-paraméterek bejegyzésében talál.
A Machine Learning-webszolgáltatások elérésével kapcsolatos további információkért lásd: Machine Learning-webszolgáltatás használata.