Studio(클래식)에서 R 스크립트 실행 모듈 마이그레이션

Important

Azure Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.

2021년 12월 1일부터 새 Machine Learning Studio(클래식) 리소스(작업 영역 및 웹 서비스 계획)를 만들 수 없습니다. 2024년 8월 31일까지 기존 Machine Learning Studio(클래식) 실험 및 웹 서비스를 계속 사용할 수 있습니다. 자세한 내용은 다음을 참조하세요.

Machine Learning Studio(클래식) 설명서는 사용 중지 중이며 나중에 업데이트되지 않을 수 있습니다.

이 문서에서는 Azure Machine Learning에서 Studio(클래식) R 스크립트 실행 모듈을 다시 빌드하는 방법에 대해 알아봅니다.

Studio(클래식)에서 마이그레이션하는 방법에 대한 자세한 내용은 마이그레이션 개요 문서를 참조하세요.

R 스크립트 실행

Azure Machine Learning 디자이너는 이제 Linux에서 실행됩니다. Studio(클래식)는 Windows에서 실행됩니다. 플랫폼 변경으로 인해 마이그레이션 중에 R 스크립트 실행을 조정해야 합니다. 그렇지 않으면 파이프라인이 실패합니다.

Studio(클래식)에서 R 스크립트 실행 모듈을 마이그레이션하려면 maml.mapInputPortmaml.mapOutputPort 인터페이스를 표준 함수로 바꾸어야 합니다.

다음 표에는 R 스크립트 모듈의 변경 내용이 요약되어 있습니다.

기능 Studio(클래식) Azure Machine Learning 디자이너
스크립트 인터페이스 maml.mapInputPortmaml.mapOutputPort 함수 인터페이스
플랫폼 Windows Linux
인터넷 액세스 가능
메모리 14 GB 컴퓨팅 SKU에 종속

R 스크립트 인터페이스를 업데이트하는 방법

다음은 Studio(클래식)에 있는 샘플 R 스크립트 실행 모듈의 콘텐츠입니다.

# Map 1-based optional input ports to variables 
dataset1 <- maml.mapInputPort(1) # class: data.frame 
dataset2 <- maml.mapInputPort(2) # class: data.frame 

# Contents of optional Zip port are in ./src/ 
# source("src/yourfile.R"); 
# load("src/yourData.rdata"); 

# Sample operation 
data.set = rbind(dataset1, dataset2); 

 
# You'll see this output in the R Device port. 
# It'll have your stdout, stderr and PNG graphics device(s). 

plot(data.set); 

# Select data.frame to be sent to the output Dataset port 
maml.mapOutputPort("data.set"); 

디자이너에서 업데이트된 내용은 다음과 같습니다. maml.mapInputPortmaml.mapOutputPort가 표준 함수 인터페이스 azureml_main으로 대체되었습니다.

azureml_main <- function(dataframe1, dataframe2){ 
    # Use the parameters dataframe1 and dataframe2 directly 
    dataset1 <- dataframe1 
    dataset2 <- dataframe2 

    # Contents of optional Zip port are in ./src/ 
    # source("src/yourfile.R"); 
    # load("src/yourData.rdata"); 

    # Sample operation 
    data.set = rbind(dataset1, dataset2); 


    # You'll see this output in the R Device port. 
    # It'll have your stdout, stderr and PNG graphics device(s). 
    plot(data.set); 

  # Return datasets as a Named List 

  return(list(dataset1=data.set)) 
} 

자세한 내용은 디자이너 R 스크립트 실행 모듈 참조를 참조하세요.

인터넷에서 새 R 패키지 설치

Azure Machine Learning 디자이너를 사용하면 CRAN에서 직접 패키지를 설치할 수 있습니다.

이는 Studio(클래식)보다 향상된 것입니다. Studio(클래식)는 인터넷에 액세스할 수 없는 샌드박스 환경에서 실행되므로 추가 패키지를 설치하려면 zip 번들로 스크립트를 업로드해야 했습니다.

다음 코드를 사용하여 디자이너의 R 스크립트 실행 모듈에 CRAN 패키지를 설치합니다.

  if(!require(zoo)) { 
      install.packages("zoo",repos = "http://cran.us.r-project.org") 
  } 
  library(zoo) 

다음 단계

이 문서에서는 R 스크립트 실행 모듈을 Azure Machine Learning으로 마이그레이션하는 방법에 대해 알아보았습니다.

Studio(클래식) 마이그레이션 시리즈의 다른 문서를 참조하세요.

  1. 마이그레이션 개요입니다.
  2. 마이그레이션 데이터세트
  3. Studio(클래식) 학습 파이프라인을 다시 빌드합니다.
  4. Studio(클래식) 웹 서비스를 다시 빌드합니다.
  5. Machine Learning 웹 서비스를 클라이언트 앱과 통합합니다.
  6. R 스크립트 실행 모듈을 마이그레이션합니다.