Servizi Web di Machine Learning Studio (versione classica): distribuzione e utilizzo

Articolo
04/19/2017

SI APPLICA A: Si applica a. Machine Learning Studio (versione classica) Non si applica a. di Azure Machine Learning

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 sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).

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.

È possibile usare Machine Learning Studio (versione classica) per distribuire flussi di lavoro e modelli di Machine Learning come servizi Web. Questi servizi Web possono quindi essere usati per chiamare i modelli di Machine Learning dalle applicazioni tramite Internet allo scopo di eseguire stime in tempo reale o in modalità batch. Essendo RESTFul, i servizi Web possono essere chiamati da diversi linguaggi di programmazione e piattaforme, come .NET e Java, nonché applicazioni, come Excel.

Le sezioni successive forniscono collegamenti a procedure dettagliate, codice e documentazione per aiutarvi a iniziare.

Distribuire un servizio Web

Con Machine Learning Studio (versione classica)

Il portale di Studio (versione classica) e il portale dei servizi Web di Machine Learning consentono di distribuire e gestire un servizio Web senza scrivere codice.

I collegamenti seguenti offrono informazioni generali su come distribuire un nuovo servizio Web:

Per una panoramica di come distribuire un nuovo servizio Web basato su Azure Resource Manager, vedere Distribuire un nuovo servizio Web.
Per una procedura dettagliata su come distribuire un servizio Web, vedere Distribuire un servizio Web di Machine Learning.
Per una procedura dettagliata completa su come creare e distribuire un servizio Web, iniziare con l'Esercitazione 1: Stimare il rischio di credito.
Per esempi specifici di distribuzione di un servizio Web, vedere:
- Esercitazione 3: Distribuire un modello di rischio di credito
- Come distribuire un servizio Web in più aree

Con le API del provider di risorse di servizi Web (API di Azure Resource Manager)

Il provider di risorse di Machine Learning Studio (versione classica) per i servizi Web consente la distribuzione e la gestione dei servizi Web tramite chiamate API REST. Per altre informazioni, vedere i riferimenti al servizio Web di Machine Learning (REST).

Con i cmdlet di PowerShell

Il provider di risorse di Machine Learning Studio (versione classica) per i servizi Web consente la distribuzione e la gestione dei servizi Web usando i cmdlet di PowerShell.

Per usare i cmdlet, è prima necessario accedere all'account Azure dall'interno dell'ambiente PowerShell usando il cmdlet Connect-AzAccount . Se non si ha familiarità con la chiamata di comandi di PowerShell basati su Resource Manger, vedere Uso di Azure PowerShell con Azure Resource Manager.

Usare questo codice di esempioper esportare l'esperimento predittivo. Dopo aver creato il file .exe dal codice è possibile digitare:

C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>

Con l'esecuzione dell'applicazione viene creato un modello JSON di servizio Web. Per usare il modello per distribuire un servizio Web è necessario aggiungere le informazioni seguenti:

Nome e chiave dell'account di archiviazione

È possibile ottenere il nome e la chiave dell'account di archiviazione dal portale di Azure.
ID del piano di impegno

È possibile ottenere l'ID piano dal portale dei servizi Web di Machine Learning accedendo e facendo clic su un nome di piano.

Aggiungere le informazioni al modello JSON come figli del nodo Properties allo stesso livello del nodo MachineLearningWorkspace.

Ecco un esempio:

"StorageAccount": {
        "name": "YourStorageAccountName",
        "key": "YourStorageAccountKey"
},
"CommitmentPlan": {
    "id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}

Per altre informazioni, vedere gli articoli e il codice di esempio seguenti:

Informazioni di riferimento sui cmdlet di Machine Learning Studio (versione classica) su MSDN

Utilizzare i servizi Web

Dall'interfaccia utente di Machine Learning Web Services (test)

È possibile testare il servizio Web dal portale dei servizi Web di Machine Learning. Sono inclusi i test delle interfacce del Servizio di richiesta-risposta (RRS) e del Servizio Esecuzione batch (BES).

Da Excel

È possibile scaricare un modello di Excel che usa il servizio Web:

Da un client basato su REST

I servizi Web di Machine Learning sono API RESTful. È possibile usare queste API da diverse piattaforme, ad esempio .NET, Python, R, Java e così via. La pagina Utilizzo per il servizio Web nel portale dei servizi Web di Machine Learning include codice di esempio che consente di iniziare. Per altre informazioni, vedere Come usare un servizio Web di Machine Learning.

Condividi tramite