R 워크로드 가져오기
적용 대상:
Azure CLI ml 확장 v2(현재)Python SDK azure-ai-ml v2(현재)
R용 Azure Machine Learning SDK가 없습니다. 대신 CLI 또는 Python 제어 스크립트를 사용하여 R 스크립트를 실행합니다.
이 문서에서는 Azure Machine Learning 및 알려진 제한 사항에서 지원되는 R의 주요 시나리오를 간략하게 설명합니다.
일반적인 R 워크플로
Azure Machine Learning에서 R을 사용하는 일반적인 워크플로:
컴퓨팅 인스턴스에서 Jupyter Notebook을 사용하여 대화형으로 R 스크립트를 개발합니다. (컴퓨팅 인스턴스에 Posit 또는 RStudio를 추가할 수도 있지만 현재 컴퓨팅 인스턴스의 이러한 애플리케이션에서 작업 영역의 데이터 자산에 액세스할 수 없습니다. 따라서 지금은 Jupyter Notebook에서 대화형 작업을 수행하는 것이 가장 좋습니다.)
- 등록된 데이터 자산 또는 데이터 저장소에서 테이블 형식 데이터 읽기
- 추가 R 라이브러리 설치
- 작업 영역 파일 스토리지에 아티팩트 저장
Azure Machine Learning에서 프로덕션 작업으로 실행되도록 스크립트 조정
- 사용자 상호 작용이 필요할 수 있는 모든 코드 제거
- 필요에 따라 스크립트에 명령줄 입력 매개 변수 추가
- 실행할 R 스크립트의 동일한 작업 디렉터리에
azureml_utils.R스크립트 포함 및 원본 제공 crate를 사용하여 모델 패키지- 스크립트에 R/MLflow 함수를 포함하여 MLflow의 작업에 아티팩트, 모델, 매개 변수 및/또는 태그 기록
원격 비동기 R 작업 제출(R이 아닌 CLI 또는 Python SDK를 통해 작업 제출)
- 환경 빌드
- 작업 아티팩트, 매개 변수, 태그 및 모델 기록
Azure Machine Learning 스튜디오를 사용하여 모델 등록
-
- 실시간 추론/채점을 위해 배포된 엔드포인트 사용
알려진 제한 사항
| 제한 사항 | 대신 다음을 수행합니다. |
|---|---|
| R 컨트롤 플레인 SDK가 없습니다. | Azure CLI 또는 Python 제어 스크립트를 사용하여 작업을 제출합니다. |
| 컴퓨팅 인스턴스 컨테이너 내에서 사용자 지정 애플리케이션으로 실행되는 RStudio(예: Posit 또는 RStudio)는 작업 영역 자산 또는 MLflow에 액세스할 수 없습니다. | 컴퓨팅 인스턴스에서 R 커널과 함께 Jupyter Notebook을 사용합니다. |
| R에서 작업 영역 MLflow 레지스트리를 대화형으로 쿼리하는 것은 지원되지 않습니다. | |
| R의 중첩된 MLflow 실행은 지원되지 않습니다. | |
| 병렬 작업 단계는 지원되지 않습니다. | 다른 입력 매개 변수를 사용하여 스크립트를 동시에 n번 실행합니다. 하지만 이 작업을 수행하기 위해 n번의 YAML 또는 CLI 호출을 생성하도록 메타 프로그래밍을 수행해야 합니다. |
| R을 사용하여 실행 중인 작업의 프로그래밍 모델 등록/기록은 지원되지 않습니다. | |
| R MLflow 모델의 제로 코드 배포(즉, 자동 배포)는 현재 지원되지 않습니다. | 배포를 위해 plumber를 사용하여 사용자 지정 컨테이너를 만듭니다. |
| 일괄 처리 엔드포인트를 사용하는 R 모델 채점은 지원되지 않습니다. | |
| Azure Machine Learning 온라인 배포 yml은 동일한 Dockerfile에서 미리 빌드된 환경이 아니라 환경 사양에 대한 레지스트리의 이미지 URI만 직접적으로 사용할 수 있습니다. | 올바른 배포 방법은 등록된 R 모델을 온라인(실시간) 엔드포인트에 배포하는 방법의 단계를 따릅니다. |
다음 단계
Azure Machine Learning의 R에 대해 자세히 알아보기: