Testar endpoints online gerenciados

  • 5 minutos

Depois de implantar um serviço em tempo real, você pode consumi-lo de aplicativos cliente para prever rótulos para novos casos de dados.

Usar o estúdio do Azure Machine Learning

Você pode listar todos os pontos de extremidade no estúdio do Azure Machine Learning, navegando até a página Pontos de Extremidade. Na guia Endereços finais em tempo real, todos os endereços finais são exibidos.

Pode selecionar um endpoint para analisar os seus detalhes e registos de implementação.

Além disso, você pode usar o estúdio para testar o ponto de extremidade.

Diagrama mostrando diferentes valores de hiperparâmetros, resultando em diferentes modelos através da realização de ajustes de hiperparâmetros.

Usar o SDK Python do Azure Machine Learning

Para testes, pode também usar o SDK Python do Azure Machine Learning para chamar um ponto final.

Normalmente, você envia dados para o modelo implantado no formato JSON com a seguinte estrutura:

{
  "data":[
      [0.1,2.3,4.1,2.0], // 1st case
      [0.2,1.8,3.9,2.1],  // 2nd case,
      ...
  ]
}

A resposta do modelo implantado é uma coleção JSON com uma previsão para cada caso que foi enviado nos dados. O exemplo de código a seguir invoca um ponto de extremidade e exibe a resposta:

# test the blue deployment with some sample data
response = ml_client.online_endpoints.invoke(
    endpoint_name=online_endpoint_name,
    deployment_name="blue",
    request_file="sample-data.json",
)

if response[1]=='1':
    print("Yes")
else:
    print ("No")