Compartilhar via


Serviços Web do Machine Learning Studio (clássico): implantação e consumo

APLICA-SE A: Aplica-se a.Machine Learning Studio (clássico) Não se aplica a.Azure Machine Learning

Importante

O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.

A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).

A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.

Use o Machine Learning Studio (clássico) para implantar fluxos de trabalho e modelos de machine learning como serviços Web. Esses serviços Web podem ser usados para chamar os modelos de aprendizado de máquina de aplicativos pela Internet para fazer previsões em tempo real ou no modo de lote. Como os serviços Web são RESTful, você pode chamá-los por meio de várias linguagens de programação e plataformas, como .NET e Java, e de aplicativos, como o Excel.

As próximas seções fornecem links para passo a passos, código e documentação para ajudá-lo a se familiarizar.

Implantar um serviço Web

Com o Machine Learning Studio (clássico)

O portal do Studio (clássico) e o portal de Serviços Web do Machine Learning ajudam você a implantar e gerenciar um serviço Web sem a necessidade de escrever código.

Os seguintes links fornecem informações gerais sobre como implantar um novo serviço Web:

Com as APIs do provedor de recursos dos serviços Web (APIs do Azure Resource Manager)

O provedor de recursos do Machine Learning Studio (clássico) para serviços Web permite a implantação e o gerenciamento de serviços Web usando chamadas à API REST. Para saber mais, confira a referência Serviço Web do Machine Learning (REST).

Com os cmdlets do PowerShell

O provedor de recursos do Machine Learning Studio (clássico) para serviços Web permite a implantação e o gerenciamento dos serviços Web usando cmdlets do PowerShell.

Para usar os cmdlets, primeiro você deve entrar em sua conta do Azure no ambiente do PowerShell usando o cmdlet Connect-AzAccount. Se não souber como chamar comandos do PowerShell baseados no Resource Manager, consulte Usando o Azure PowerShell com o Azure Resource Manager.

Para exportar seu experimento preditivo, use este código de exemplo. Depois de criar o arquivo .exe com base no código, você pode digitar:

C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>

Executar o aplicativo cria um modelo JSON do serviço Web. Para usar o modelo para implantar um serviço Web, você deve adicionar as seguintes informações:

  • Nome e chave da conta de armazenamento

    É possível obter o nome e a chave da conta de armazenamento no portal do Azure.

  • ID do plano de compromisso

    Você pode obter a ID do plano no portal de Serviços Web do Machine Learning efetuando logon e clicando no nome do plano.

Adicione-a ao modelo JSON como filho do nó Properties no mesmo nível do nó MachineLearningWorkspace.

Veja um exemplo:

"StorageAccount": {
        "name": "YourStorageAccountName",
        "key": "YourStorageAccountKey"
},
"CommitmentPlan": {
    "id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}

Consulte os seguintes artigos e o código de exemplo para obter mais detalhes:

Consumir os serviços Web

Por meio da interface do usuário dos Serviços Web do Machine Learning (Teste)

Você pode testar o serviço Web no portal de Serviços Web do Machine Learning. Isso inclui o teste das interfaces do RRS (serviço de Solicitação-Resposta) e do BES (serviço de Execução em Lotes).

Do Excel

Você pode baixar um modelo do Excel que consome o serviço Web:

Em um cliente baseado em REST

Os Serviços Web do Machine Learning são APIs RESTful. Você pode consumir essas APIs por meio de várias plataformas, como .NET, Python, R, Java etc. A página Consumir do serviço Web no portal de Serviços Web do Machine Learning tem um código de exemplo que pode ajudar na sua introdução ao assunto. Para obter mais informações, confira Como consumir um serviço Web do Machine Learning.