Machine Learning Studio (klasik) web hizmeti parametrelerini kullanma

UYGULANDI: Machine Learning Studio (klasik) Azure Machine Learning

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

• Makine öğrenmesi projelerini ML Studio'dan (klasik) Azure Machine Learning'e taşıma hakkındaki bilgilere bakın.
• Azure Machine Learning hakkında daha fazla bilgi edinin

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Machine Learning web hizmeti, yapılandırılabilir parametrelere sahip modüller içeren bir deneme yayımlanarak oluşturulur. Bazı durumlarda, web hizmeti çalışırken modül davranışını değiştirmek isteyebilirsiniz. Web Hizmeti Parametreleri bu görevi gerçekleştirmenize olanak sağlar.

Yaygın bir örnek, yayımlanan web hizmeti kullanıcısının web hizmetine erişildiğinde farklı bir veri kaynağı belirtebilmesi için Verileri İçeri Aktarma modülünü ayarlamaktır. Veya Verileri Dışarı Aktarma modülünü farklı bir hedef belirtilecek şekilde yapılandırma. Diğer örneklerden bazıları , Özellik Karması modülü için bit sayısını veya Filtre Tabanlı Özellik Seçimi modülü için istenen özelliklerin sayısını değiştirmektir.

Web Hizmeti Parametrelerini ayarlayabilir ve bunları denemenizdeki bir veya daha fazla modül parametresiyle ilişkilendirebilir ve bunların gerekli mi yoksa isteğe bağlı mı olduğunu belirtebilirsiniz. Web hizmeti kullanıcısı daha sonra web hizmetini çağırdığında bu parametreler için değer sağlayabilir.

Web Hizmeti Parametrelerini ayarlama ve kullanma

Bir modülün parametresinin yanındaki simgeye tıklayıp "Web hizmeti parametresi olarak ayarla" seçeneğini belirleyerek bir Web Hizmeti Parametresi tanımlarsınız. Bu, yeni bir Web Hizmeti Parametresi oluşturur ve bunu bu modül parametresine bağlar. Ardından, web hizmetine erişildiğinde kullanıcı Web Hizmeti Parametresi için bir değer belirtebilir ve bu değer modül parametresine uygulanır.

Bir Web Hizmeti Parametresi tanımladığınızda, denemedeki diğer modül parametreleri tarafından kullanılabilir. Bir modülün parametresiyle ilişkilendirilmiş bir Web Hizmeti Parametresi tanımlarsanız, parametre aynı türde bir değer beklediği sürece bu Web Hizmeti Parametresini başka bir modül için de kullanabilirsiniz. Örneğin, Web Hizmeti Parametresi sayısal bir değerse, yalnızca sayısal değer bekleyen modül parametreleri için kullanılabilir. Kullanıcı Web Hizmeti Parametresi için bir değer belirlediğinde, ilgili tüm modül parametrelerine uygulanır.

Web Hizmeti Parametresi için varsayılan değer sağlanıp sağlanmayacağına karar vekleyebilirsiniz. Bunu yaparsanız, parametresi web hizmeti kullanıcısı için isteğe bağlıdır. Varsayılan bir değer sağlamazsanız, web hizmetine erişildiğinde kullanıcının bir değer girmesi gerekir.

Web hizmetinin API belgeleri, web hizmetine erişirken Web Hizmeti Parametresini program aracılığıyla belirtme hakkında web hizmeti kullanıcısına yönelik bilgiler içerir.

Not

Klasik bir web hizmeti için API belgeleri, Machine Learning Studio'da (klasik) web hizmeti PANOSU'ndakiAPI yardım sayfası bağlantısı aracılığıyla sağlanır. Yeni bir web hizmetine yönelik API belgeleri, web hizmetinizin Kullanım ve Swagger API sayfalarında Machine Learning Web Hizmetleri portalı aracılığıyla sağlanır.

Örnek

Örneğin, Azure blob depolamaya bilgi gönderen verileri dışarı aktarma modülüyle ilgili bir denememiz olduğunu varsayalım. Web hizmeti kullanıcısının hizmete erişildiğinde blob depolama yolunu değiştirmesine olanak tanıyan "Blob yolu" adlı bir Web Hizmeti Parametresi tanımlayacağız.

1. Machine Learning Studio'da (klasik) Verileri Dışarı Aktar modülüne tıklayarak seçin. Özellikleri, deneme tuvalinin sağındaki Özellikler bölmesinde gösterilir.

2. Depolama türünü belirtin:

   • Lütfen veri hedefini belirtin'in altında "Azure Blob Depolama" öğesini seçin.
   • Lütfen kimlik doğrulama türünü belirtin'in altında "Hesap" öğesini seçin.
   • Azure blob depolama için hesap bilgilerini girin.

3. Kapsayıcı parametresiyle başlayan Blob yolu'nun sağındaki simgeye tıklayın. Bu bölüm şuna benzer:

   

   "Web hizmeti parametresi olarak ayarla" seçeneğini belirleyin.

   Özellikler bölmesinin en altındaki Web Hizmeti Parametreleri'nin altına "Kapsayıcıyla başlayan blob yolu" adıyla bir giriş eklenir. Bu, artık bu Verileri Dışarı Aktarma modülü parametresiyle ilişkilendirilmiş Olan Web Hizmeti Parametresidir.

4. Web Hizmeti Parametresini yeniden adlandırmak için ada tıklayın, "Blob yolu" yazın ve Enter tuşuna basın.

5. Web Hizmeti Parametresi için varsayılan bir değer sağlamak için, adın sağındaki simgeye tıklayın, "Varsayılan değer sağla"yı seçin, bir değer girin (örneğin, "container1/output1.csv") ve Enter tuşuna basın.

   

6. Çalıştır'a tıklayın.

7. Web Hizmetini Dağıt'a tıklayın ve Web Hizmetini Dağıt [Klasik] veya Web Hizmetini Dağıt [Yeni] seçeneğini belirleyerek web hizmetini dağıtın.

Not

Yeni bir web hizmeti dağıtmak için, web hizmetini dağıttığınız abonelikte yeterli izinlere sahip olmanız gerekir. Daha fazla bilgi için bkz. Machine Learning Web Hizmetleri portalını kullanarak web hizmetini yönetme.

Web hizmeti kullanıcısı artık web hizmetine erişirken Verileri Dışarı Aktarma modülü için yeni bir hedef belirtebilir.

Daha fazla bilgi

Daha ayrıntılı bir örnek için Machine Learning Blogu'ndakiWeb Hizmeti Parametreleri girdisine bakın.

Machine Learning web hizmetine erişme hakkında daha fazla bilgi için bkz. Machine Learning Web hizmetini kullanma.