Dela via


Använda pipelineslutpunkter från klientappar

Viktigt!

Stödet för Azure Mašinsko učenje Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du övergår till Azure Mašinsko učenje vid det datumet.

Från och med den 1 december 2021 kan du inte skapa nya Mašinsko učenje Studio-resurser (klassiska) (arbetsyta och webbtjänstplan). Till och med den 31 augusti 2024 kan du fortsätta att använda de befintliga experimenten Mašinsko učenje Studio (klassisk) och webbtjänster. Mer information finns i:

Mašinsko učenje Studio-dokumentationen (klassisk) dras tillbaka och kanske inte uppdateras i framtiden.

I den här artikeln lär du dig att integrera klientprogram med Azure Mašinsko učenje slutpunkter.

Den här artikeln är en del av migreringsserien ML Studio (klassisk) till Azure Mašinsko učenje. Mer information om hur du migrerar till Azure Mašinsko učenje finns i artikeln migreringsöversikt.

Förutsättningar

Använda en slutpunkt i realtid

Om du distribuerade din modell som en realtidsslutpunkt kan du hitta dess REST-slutpunkt och förgenererad förbrukningskod i C#, Python och R:

  1. Gå till Azure Mašinsko učenje Studio (ml.azure.com).
  2. Gå till fliken Slutpunkter .
  3. Välj din realtidsslutpunkt.
  4. Välj Förbruka.

Kommentar

Du hittar även Swagger-specifikationen för slutpunkten på fliken Information . Använd Swagger-definitionen för att förstå slutpunktsschemat. Mer information om Swagger-definition finns i Swaggers officiella dokumentation.

Använda en pipelineslutpunkt

Det finns två sätt att använda en pipelineslutpunkt:

  • REST API-anrop
  • Integrering med Azure Data Factory

Använda REST API-anrop

Anropa REST-slutpunkten från klientprogrammet. Du kan använda Swagger-specifikationen för slutpunkten för att förstå dess schema:

  1. Gå till Azure Mašinsko učenje Studio (ml.azure.com).
  2. Gå till fliken Slutpunkter .
  3. Välj Pipelineslutpunkter.
  4. Välj pipelineslutpunkten.
  5. I fönstret Översikt över pipelineslutpunkt väljer du länken under REST-slutpunktsdokumentation.

Använda Azure Data Factory

Du kan anropa din Azure Mašinsko učenje pipeline som ett steg i en Azure Data Factory-pipeline. Mer information finns i Köra Azure Mašinsko učenje pipelines i Azure Data Factory.

Nästa steg

I den här artikeln har du lärt dig hur du hittar schema- och exempelkod för pipelineslutpunkterna. Mer information om hur du autentiserar till en slutpunkt finns i Autentisera till en onlineslutpunkt.

Se resten av artiklarna i Migreringsserien för Azure Mašinsko učenje: