Перенос модулей выполнения скрипта R в классической версии студии
Внимание
Поддержка Машинное обучение Azure Studio (классическая) завершится 31 августа 2024 г. Мы рекомендуем перейти на Машинное обучение Azure по этой дате.
По состоянию на 1 декабря 2021 г. нельзя создавать новые ресурсы Машинное обучение Studio (классический) (рабочая область и план веб-службы). До 31 августа 2024 г. вы можете продолжать использовать существующие эксперименты Машинное обучение Studio (классические) и веб-службы. Дополнительные сведения см. в разделе:
- Миграция на Машинное обучение Azure из студии Машинное обучение (классическая версия)
- Что такое Машинное обучение Azure?
Машинное обучение Studio (классическая) документация не обновляется и может не обновляться в будущем.
В этой статье описывается, как перестроить модуль Выполнение скрипта R в классической версии студии в службе машинного обучения Azure.
Дополнительные сведения о переходе с классической версии студии см. в этой обзорной статье.
Выполнить сценарий R
Конструктор службы машинного обучения Azure теперь работает в Linux. Классическая версия студии работает в Windows. В связи со сменой платформы вам необходимо настроить модули Выполнение скрипта R в ходе миграции, иначе произойдет сбой конвейера.
Чтобы перенести модуль Выполнение скрипта R из классической версии студии, необходимо заменить интерфейсы maml.mapInputPort и maml.mapOutputPort стандартными функциями.
В следующей таблице приводится обзор изменений в модуле скрипта R:
| Функция | Студия (классическая) | Конструктор Машинного обучения Azure |
|---|---|---|
| Интерфейс скрипта | maml.mapInputPort и maml.mapOutputPort. |
Интерфейс функции |
| Платформа | Windows | Linux |
| Доступ через Интернет | No | Да |
| Память | 14 ГБ | Зависит от номера SKU вычислительной среды |
Обновление интерфейса скрипта R
Ниже приводится содержимое примера модуля Выполнение скрипта R в классической версии студии:
# 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");
Обновленное содержимое в конструкторе выглядит следующим образом. Обратите внимание, что интерфейсы maml.mapInputPort и maml.mapOutputPort были заменены интерфейсом стандартной функции azureml_main.
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))
}
Дополнительные сведения см. в справочнике по модулю выполнения скрипта R в конструкторе.
Установка пакетов R из Интернета
Конструктор службы машинного обучения Azure поддерживает установку пакетов непосредственно из сети CRAN.
В классической версии студии такая возможность отсутствовала. Поскольку классическая версия студии работает в изолированной среде без доступа к Интернету, для установки дополнительных пакетов необходимо загружать скрипты в виде ZIP-пакета.
Для установки пакетов из сети CRAN в модуль Выполнение скрипта R в конструкторе используйте следующий код:
if(!require(zoo)) {
install.packages("zoo",repos = "http://cran.us.r-project.org")
}
library(zoo)
Следующие шаги
В этой статье описывается, как перенести модули выполнения скриптов R в службу машинного обучение Azure.
См. другие статьи, посвященные переходу с классической версии студии.