webservice Pakket

Bevat functionaliteit voor het implementeren van machine learning-modellen als webservice-eindpunten in Azure Machine Learning.

Als u een Azure Machine Learning-model als webservice implementeert, worden er een eindpunt en een REST API gemaakt. U kunt gegevens naar deze API verzenden en de voorspelling ontvangen die door het model wordt geretourneerd.

U maakt een webservice wanneer u een Model of Image implementeert op Azure Container Instances (acimodule), Azure Kubernetes Service (aksmodule) en Azure Kubernetes Endpoint (AksEndpoint) of FPGA (field-programmeble gate arrays). Implementatie met behulp van een model wordt aanbevolen voor de meeste use cases, terwijl implementatie met behulp van een installatiekopieën wordt aanbevolen voor geavanceerde gebruiksvoorbeelden. Beide typen implementaties worden ondersteund in de klassen in deze module.

Modules

aci	Bevat functionaliteit voor het implementeren van machine learning-modellen als webservice-eindpunten op Azure Container Instances. Azure Container Instances (ACI) wordt aanbevolen voor scenario's die kunnen worden uitgevoerd in geïsoleerde containers, waaronder eenvoudige toepassingen, taakautomatisering en buildtaken. Zie Een model implementeren in Azure Container Instances voor meer informatie over het gebruik van ACI.
aks	Bevat functionaliteit voor het implementeren van machine learning-modellen als webservice-eindpunten op Azure Kubernetes Service. Azure Kubernetes Service (AKS) wordt aanbevolen voor scenario's waarin u volledige containerindeling nodig hebt, inclusief servicedetectie voor meerdere containers, automatisch schalen en gecoördineerde toepassingsupgrades. Zie Een model implementeren op Azure Kubernetes Service voor meer informatie.
container_resource_requirements	Module voor het beschrijven van de vereisten voor containerresources in Azure Machine Learning.
local	Bevat functionaliteit voor het implementeren van machine learning-modellen als lokale webservice-eindpunten. Implementeren in een lokale webservice wordt aanbevolen voor scenario's waarin u uw model snel moet implementeren en valideren of wanneer u een model test dat in ontwikkeling is. Zie Een model implementeren op notebook-VM's voor meer informatie.
unknown_webservice	Bevat functionaliteit voor het beheren van onbekende webservices in Azure Machine Learning.
webservice	Bevat functionaliteit voor het beheren van modellen die zijn geïmplementeerd als een webservice-eindpunt in Azure Machine Learning. Deze module bevat de abstracte bovenliggende klasse Webservice, waarmee methoden voor het implementeren van modellen worden gedefinieerd. Een veelvoorkomend patroon is om een configuratieobject te maken voor het specifieke rekendoel en vervolgens de methoden van de klasse Webservice met dat configuratieobject te gebruiken. Als u bijvoorbeeld wilt implementeren in Azure Container Instances, maakt u een AciServiceDeploymentConfiguration -object op basis van de deploy_configuration methode van de AciWebservice klasse en gebruikt u vervolgens een van de implementatiemethoden van de klasse Webservice. Een vergelijkbaar patroon is van toepassing op de AksWebserviceklassen , AksEndpointen LocalWebservice . Zie Modellen implementeren met Azure Machine Learning voor een overzicht van de implementatie.

Klassen

AciWebservice	Vertegenwoordigt een machine learning-model dat is geïmplementeerd als een webservice-eindpunt op Azure Container Instances. Een geïmplementeerde service wordt gemaakt op basis van een model, script en bijbehorende bestanden. De resulterende webservice is een HTTP-eindpunt met gelijke taakverdeling met een REST API. U kunt gegevens naar deze API verzenden en de voorspelling ontvangen die door het model wordt geretourneerd. Zie Een model implementeren in Azure Container Instances voor meer informatie. Initialiseer het webservice-exemplaar. De webserviceconstructor haalt een cloudweergave op van een webserviceobject dat is gekoppeld aan de opgegeven werkruimte. Er wordt een exemplaar van een onderliggende klasse geretourneerd die overeenkomt met het specifieke type van het opgehaalde webserviceobject.
AksEndpoint	Notitie Dit is een experimentele klasse en kan op elk gewenst moment worden gewijzigd. Zie https://aka.ms/azuremlexperimental voor meer informatie. Vertegenwoordigt een verzameling webserviceversies achter hetzelfde eindpunt dat wordt uitgevoerd op Azure Kubernetes Service. Terwijl een AksWebservice één service implementeert met één score-eindpunt, kunt u met de klasse AksEndpoint meerdere webserviceversies achter hetzelfde score-eindpunt implementeren. Elke webserviceversie kan worden geconfigureerd voor een percentage van het verkeer, zodat u modellen op een gecontroleerde manier kunt implementeren, bijvoorbeeld voor A/B-testen. Het AksEndpoint staat implementatie toe vanuit een modelobject dat vergelijkbaar is met AksWebservice. Initialiseer het webservice-exemplaar. De webserviceconstructor haalt een cloudweergave op van een webserviceobject dat is gekoppeld aan de opgegeven werkruimte. Er wordt een exemplaar van een onderliggende klasse geretourneerd die overeenkomt met het specifieke type van het opgehaalde webserviceobject.
AksWebservice	Vertegenwoordigt een machine learning-model dat is geïmplementeerd als een webservice-eindpunt op Azure Kubernetes Service. Een geïmplementeerde service wordt gemaakt op basis van een model, script en bijbehorende bestanden. De resulterende webservice is een HTTP-eindpunt met gelijke taakverdeling met een REST API. U kunt gegevens naar deze API verzenden en de voorspelling ontvangen die door het model wordt geretourneerd. AksWebservice implementeert één service op één eindpunt. Als u meerdere services op één eindpunt wilt implementeren, gebruikt u de AksEndpoint klasse . Zie Een model implementeren in een Azure Kubernetes Service cluster voor meer informatie. Initialiseer het webservice-exemplaar. De webserviceconstructor haalt een cloudweergave op van een webserviceobject dat is gekoppeld aan de opgegeven werkruimte. Er wordt een exemplaar van een onderliggende klasse geretourneerd die overeenkomt met het specifieke type van het opgehaalde webserviceobject.
LocalWebservice	Vertegenwoordigt een machine learning-model dat is geïmplementeerd als een lokaal webservice-eindpunt. Het lokaal implementeren van webservices is handig voor foutopsporing en testscenario's. Lokale webserviceconstructor. LocalWebservice-constructor wordt gebruikt om een lokale weergave op te halen van een LocalWebservice-object dat is gekoppeld aan de opgegeven werkruimte.
UnknownWebservice	Alleen voor intern gebruik. Deze klasse wordt door de Webservice klasse gebruikt om servicesubtypen op te halen of weer te geven wanneer de webservice is gemaakt op basis van een pakket dat niet is geïmporteerd, bijvoorbeeld voor een service die met het <xref:azureml.accel> pakket is gemaakt. Initialiseer het webservice-exemplaar. De webserviceconstructor haalt een cloudweergave op van een webserviceobject dat is gekoppeld aan de opgegeven werkruimte. Er wordt een exemplaar van een onderliggende klasse geretourneerd die overeenkomt met het specifieke type van het opgehaalde webserviceobject.
Webservice	Definieert de basisfunctionaliteit voor het implementeren van modellen als webservice-eindpunten in Azure Machine Learning. Webserviceconstructor wordt gebruikt om een cloudweergave op te halen van een webserviceobject dat is gekoppeld aan de opgegeven werkruimte. Retourneert een exemplaar van een onderliggende klasse die overeenkomt met het specifieke type van het opgehaalde webserviceobject. Met de klasse Webservice kunt u machine learning-modellen implementeren vanuit een - of Image -Modelobject. Zie Modellen implementeren met Azure Machine Learning voor meer informatie over het werken met webservice. Initialiseer het webservice-exemplaar. De webserviceconstructor haalt een cloudweergave op van een webserviceobject dat is gekoppeld aan de opgegeven werkruimte. Er wordt een exemplaar van een onderliggende klasse geretourneerd die overeenkomt met het specifieke type van het opgehaalde webserviceobject.