Utilizzare gli endpoint della pipeline delle applicazioni client
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non è possibile creare nuove risorse (area di lavoro e piano di servizio Web) dello studio di Machine Learning (versione classica). Fino al 31 agosto 2024 è possibile continuare a usare gli esperimenti e i servizi Web dello studio di Machine Learning (versione classica) esistenti.
- Vedere le informazioni sullo spostamento di progetti di apprendimento automatico da ML Studio (versione classica) ad Azure Machine Learning.
- Scoprire di più su Azure Machine Learning
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Questo articolo illustra come integrare le applicazioni client con gli endpoint di Azure Machine Learning.
Questo articolo fa parte della serie sulla migrazione dallo studio di ML (versione classica) ad Azure Machine Learning. Per altre informazioni sulla migrazione ad Azure Machine Learning, vedere l'articolo di panoramica della migrazione.
Prerequisiti
- Un account Azure con una sottoscrizione attiva. Creare un account gratuitamente.
- Un'area di lavoro di Azure Machine Learning. Creare le risorse dell'area di lavoro.
- Un endpoint in tempo reale di Azure Machine Learning o un endpoint della pipeline.
Utilizzare un endpoint in tempo reale
Se il modello è stato distribuito come endpoint in tempo reale, è possibile trovare il relativo endpoint REST e il codice di utilizzo pre-generato in C#, Python e R:
- Passare allo studio di Azure Machine Learning (ml.azure.com).
- Passare alle scheda Endpoint.
- Selezionare l'endpoint in tempo reale.
- Selezionare Utilizza.
Nota
È anche possibile trovare la specifica Swagger per l'endpoint nella scheda Dettagli. Usare la definizione Swagger per comprendere lo schema dell'endpoint. Per altre informazioni sulla definizione Swagger, vedere la documentazione ufficiale di Swagger.
Utilizzo di un endpoint della pipeline
Esistono due modi per utilizzare l'endpoint della pipeline:
- Chiamate API REST
- Integrazione con Azure Data Factory
Usare le chiamate API REST
Eseguire la chiamata dell'endpoint REST dall'applicazione client. È possibile usare la specifica Swagger per l'endpoint per comprenderne lo schema:
- Passare allo studio di Azure Machine Learning (ml.azure.com).
- Passare alle scheda Endpoint.
- Selezionare Pipeline endpoints (Endpoint pipeline).
- Selezionare l'endpoint della pipeline.
- Nel riquadro Panoramica degli endpoint della pipeline selezionare il collegamento in Documentazione sugli endpoint REST.
Usare Azure Data Factory
È possibile eseguire la chiamata della pipeline di Azure Machine Learning come un passaggio nella pipeline di Azure Data Factory. Per altre informazioni, vedere Eseguire pipeline di Azure Machine Learning in Azure Data Factory.
Passaggi successivi
In questo articolo si è appreso come trovare lo schema e il codice di esempio per gli endpoint della pipeline. Per altre informazioni sull'autenticazione a un endpoint, vedere Eseguire l'autenticazione a un endpoint online.
Vedere gli altri articoli della serie sulla migrazione di Azure Machine Learning: