Usare i parametri del servizio Web di Machine Learning Studio (versione classica)

SI APPLICA A:Si applica Machine Learning Studio (versione classica) 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 leinformazioni sullo spostamento di progetti di Machine Learning 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.

Un servizio Web di Machine Learning viene creato pubblicando un esperimento che contiene moduli con parametri configurabili. In alcuni casi può essere utile modificare il comportamento del modulo mentre è in esecuzione il servizio Web. I parametri del servizio Web consentono di eseguire questa operazione.

Un esempio comune è la configurazione del modulo Import Data per consentire all’utente del servizio Web pubblicato di specificare un'origine dati diversa quando si accede al servizio Web oppure la configurazione del modulo Export Data in modo che sia possibile specificare una destinazione differente. Altri esempi includono la modifica del numero di bit per il modulo Feature Hashing o il numero di funzionalità desiderate per il modulo Filter-Based Feature Selection.

È possibile impostare i parametri del servizio Web e associarli a uno o più parametri di modulo nell’esperimento, e specificare se sono obbligatori o facoltativi. L'utente del servizio web può quindi fornire valori per questi parametri quando si chiama il servizio web.

Come impostare e usare i parametri del servizio Web

È possibile definire un parametro del servizio Web facendo clic sull'icona accanto al parametro di un modulo e selezionando "Set as web service parameter". Verrà creato un nuovo parametro del servizio Web che verrà connesso al parametro del modulo. Quando si accede al servizio Web, l'utente può quindi specificare un valore per il parametro del servizio Web che viene applicato al parametro del modulo.

Dopo aver definito un parametro del servizio Web, questo parametro sarà disponibile per qualsiasi altro parametro del modulo nell’esperimento. Se si definisce un parametro del servizio Web associato a un parametro per un modulo, è possibile usare lo stesso parametro per qualsiasi altro modulo, purché il parametro preveda lo stesso tipo di valore. Se ad esempio il parametro del servizio Web è un valore numerico, è possibile usarlo solo per i parametri del modulo che prevedono un valore numerico. Quando l'utente imposta un valore per il parametro del servizio Web, tale valore verrà applicato a tutti i parametri del modulo associati.

È possibile decidere se specificare un valore predefinito per il parametro del servizio Web. In questo caso per l'utente del servizio Web il parametro sarà facoltativo. Se si non specifica un valore predefinito, è necessario immettere un valore quando si accede al servizio Web.

La documentazione dell'API per il servizio Web include informazioni per l'utente del servizio Web su come specificare il parametro del servizio Web a livello di codice quando accede al servizio.

Nota

La documentazione dell'API per un servizio Web classico viene fornita tramite il collegamento alla pagina della Guida api nel dashboard del servizio Web in Machine Learning Studio (versione classica). La documentazione dell'API per un nuovo servizio Web viene fornita tramite il portale di Servizi Web di Machine Learning nelle pagine dell'API Consume and Swagger per il servizio Web.

Esempio

Si supponga ad esempio di disporre di un esperimento con un modulo Export Data che invia informazioni all'archiviazione BLOB di Azure. Verrà definito un parametro del servizio Web denominato "percorso BLOB" che consente all'utente del servizio Web di modificare il percorso dell'archiviazione BLOB quando si accede al servizio.

1. In Machine Learning Studio (versione classica) fare clic sul modulo Esporta dati per selezionarlo. Le relative proprietà verranno visualizzate nel riquadro delle proprietà a destra dell'area di disegno dell'esperimento.

2. Specificare il tipo di archiviazione:

   • In Please specify data destination(Specificare la destinazione dei dati) selezionare "Azure Blob Storage" (Archivio BLOB di Azure).
   • In Please specify authentication typeselezionare "Account".
   • Immettere le informazioni dell'account per l'archiviazione BLOB di Azure.

3. Fare clic sull'icona a destra di Path to blob beginning with container parameter (Percorso BLOB che inizia con parametro contenitore). Ha questo aspetto:

   

   Selezionare "Set as web service parameter".

   Verrà aggiunta una voce in Web Service Parameters nella parte inferiore del riquadro Proprietà con il nome "Path to blob beginning with container". Questo sarà il parametro del servizio Web associato al parametro del modulo Export Data.

4. Per rinominare il parametro del servizio Web, fare clic sul nome, digitare "Blob path" e quindi premere INVIO .

5. Per specificare un valore predefinito per il parametro del servizio Web, fare clic sull'icona a destra del nome, selezionare "Provide default value", immettere un valore (ad esempio, "container1/output1.csv") e quindi premere INVIO .

   

6. Fare clic su Esegui.

7. Fare clic su Deploy Web Service (Distribuisci servizio Web) e selezionare Deploy Web Service [Classic] (Distribuisci servizio Web [Classico]) o Deploy Web Service [New] (Distribuisci servizio Web [Nuovo]) per distribuire il servizio Web.

Nota

Per distribuire un nuovo servizio Web è necessario disporre delle autorizzazioni sufficienti nella sottoscrizione a cui si sta distribuendo il servizio Web. Per altre informazioni, vedere Gestire un servizio Web usando il portale di Servizi Web di Machine Learning.

È ora possibile specificare una nuova destinazione per il modulo Export Data quando si accede al servizio Web.

Ulteriori informazioni

Per un esempio più dettagliato, vedere la voce relativa ai parametri del servizio Web nel blog di Machine Learning.

Per altre informazioni sull'accesso a un servizio Web di Machine Learning, vedere Come usare un servizio Web di Machine Learning.