機械学習パイプラインを構築した後、次のシナリオでは、バッチ エンドポイントとしてパイプラインをデプロイできます。
- Azure Machine Learning 外の他のプラットフォームから機械学習パイプラインを実行したい場合 (たとえば、カスタム Java コード、Azure DevOps、GitHub Actions、Azure Data Factory)。 バッチ エンドポイントは REST エンドポイントであり、言語やプラットフォームに依存しないため、バッチ エンドポイントを使用するとこれを簡単に行うことができます。
- 固定 URI インターフェイスを使用するダウンストリーム コンシューマーに影響を与えることなく、機械学習パイプラインのロジックを変更したい場合。
バッチ エンドポイントとしてのパイプライン コンポーネントのデプロイ
バッチ エンドポイントとしてのパイプライン コンポーネントのデプロイは、以前にリストされていたシナリオの目標を達成できるようにする機能です。 これは、SDK v1 の公開されたパイプラインやパイプライン エンドポイントと同等の機能です。
パイプラインをバッチ エンドポイントとしてデプロイするには、まずパイプラインをパイプライン コンポーネントに変換してから、パイプライン コンポーネントをバッチ エンドポイントとしてデプロイすることをお勧めします。 バッチ エンドポイントとしてパイプラインをデプロイする方法について詳しくは、「パイプライン コンポーネントをバッチ エンドポイントとしてデプロイする方法」を参照してください。
パイプライン ジョブをバッチ エンドポイントとしてデプロイすることもできます。 この場合、Azure Machine Learning はそのジョブをバッチ エンドポイントへの入力として受け入れ、パイプライン コンポーネントを自動的に作成できます。 詳しくは、「既存のパイプライン ジョブをバッチ エンドポイントにデプロイする」を参照してください。
注
パイプライン ジョブを呼び出すバッチ エンドポイントのコンシューマーは、最終的なエンド ユーザーではなく、ユーザー アプリケーションである必要があります。 アプリケーションは、悪意のある入力を防ぐために、エンドポイントへの入力を制御する必要があります。