Студия машинного обучения (классическая): развертывание и использование веб-служб

Статья
04/19/2017

ОБЛАСТЬ ПРИМЕНЕНИЯ К: Применимо к. Машинное обучение Studio (классическая) Не применяется к. Машинное обучение Azure

Внимание

Поддержка Студии машинного обучения (классической) будет прекращена 31 августа 2024 г. До этой даты рекомендуется перейти на Машинное обучение Azure.

Начиная с 1 декабря 2021 года вы не сможете создавать новые ресурсы Студии машинного обучения (классической). Существующие ресурсы Студии машинного обучения (классической) можно будет использовать до 31 августа 2024 г.

См. сведения о переносе проектов машинного обучения из Студии машинного обучения (классическая версия) в Машинное обучение Azure.
См. дополнительные сведения о Машинном обучении Azure.

Прекращается поддержка документации по Студии машинного обучения (классической). В будущем она может не обновляться.

Вы можете использовать Студию машинного обучения (классическую) для развертывания рабочих процессов и моделей машинного обучения в качестве веб-служб. Затем эти веб-службы можно использовать для вызова моделей машинного обучения из приложений в Интернете, чтобы делать прогнозы в режиме реального времени или в пакетном режиме. Так как это веб-службы RESTful, их можно вызывать, используя различные языки программирования и платформы, например .NET и Java, а также приложения, например Microsoft Excel.

В следующих разделах представлены ссылки на пошаговые инструкции, код и документацию, которые помогут вам приступить к работе.

Развертывание веб-службы

С помощью Студии машинного обучения (классической)

На порталах Студии (классической) и веб-служб машинного обучения можно развертывать веб-службы и управлять ими без написания кода.

В статьях по следующим ссылкам содержатся общие сведения о процессе развертывания новой веб-службы:

Общие сведения о развертывании новой веб-службы на основе Azure Resource Manager см. в статье Развертывание новой веб-службы.
Пошаговое руководство по развертыванию веб-службы см. в статье Развертывание веб-службы машинного обучения.
Если вам нужна полная инструкция по созданию и развертыванию веб-служб, начните со статьи Руководство 1. Прогнозирование кредитного риска.
Конкретные примеры развертывания веб-службы см. в следующих статьях:
- Руководство 3. Развертывание модели кредитных рисков
- Развертывание веб-службы в нескольких регионах

С помощью интерфейсов API поставщика ресурсов веб-служб (интерфейсов API Azure Resource Manager)

Поставщик ресурсов Студии машинного обучения (классической) для веб-служб позволяет развертывать и администрировать веб-службы с помощью вызовов REST API. Дополнительные сведения см. в статье Azure Machine Learning Studio Management REST APIs (REST API для управления Студией машинного обучения Azure).

С помощью командлетов PowerShell

Поставщик ресурсов Студии машинного обучения (классической) для веб-служб позволяет развертывать и администрировать веб-службы с помощью командлетов PowerShell.

Чтобы использовать командлеты, сначала нужно войти в учетную запись Azure в среде PowerShell с помощью командлета Connect-AzAccount. Если вы не знакомы с вызовом команд PowerShell на основе Resource Manager, см. статью Использование Azure PowerShell с Azure Resource Manager.

Чтобы экспортировать прогнозный эксперимент, используйте этот пример кода. После создания EXE-файла из кода можно ввести следующую команду:

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

При запуске приложения создается шаблон JSON веб-службы. Чтобы использовать шаблон для развертывания веб-службы, необходимо добавить следующие сведения:

Имя и ключ учетной записи хранения.

Их можно получить на портале Azure.
Идентификатор плана предложения.

Идентификатор плана можно получить на портале веб-служб машинного обучения. Для этого необходимо войти на портал и щелкнуть имя плана.

Добавьте их в шаблон JSON в качестве дочерних элементов узла Properties на том же уровне, где находится узел MachineLearningWorkspace.

Приведем пример:

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

Дополнительные сведения см. в следующих статьях и примерах кода:

Справка по командлетам Студии машинного обучения (классической) на MSDN

Использование веб-служб

Через пользовательский интерфейс веб-служб машинного обучения (тестирование)

Веб-службу можно проверить на портале веб-служб машинного обучения. Эта проверка включает в себя тестирование интерфейсов службы запрос-ответ (RRS) и службы пакетного выполнения (BES).

Из Excel

Вы можете скачать шаблон Excel, который использует веб-службу:

Из клиента на основе REST

Веб-службы машинного обучения представляют собой API-интерфейсы RESTful. Вы можете использовать API на разных языках: .NET, Python, R, Java и т. д. Начать можно с примера кода, приведенного на странице использования веб-службы на портале веб-служб машинного обучения. Дополнительные сведения см. в статье Как использовать веб-службу машинного обучения.

Поделиться через