你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站,请访问 https://docs.azure.cn

向模型发送文本分类请求

成功部署模型后,您可以查询部署,以根据您分配给部署的模型对文本进行分类。 你可以通过预测 API 或通过客户端库 (Azure SDK) 以编程方式查询部署。

测试已部署的模型

你可以使用 Language Studio 提交自定义文本分类任务并直观地呈现结果。

若要在 Language Studio 中测试已部署的模型,请执行以下操作:

  1. 在左侧菜单中,选择“测试部署”。

  2. 选择要测试的部署。 只能测试分配给部署的模型。

  3. 对于多语言项目,请从语言下拉列表中选择要测试的文本的语言。

  4. 从下拉列表中选择要查询/测试的部署。

  5. 可以输入要提交到请求的文本,或上传要使用的 .txt 文件。

  6. 选择顶部菜单中的“运行测试”。

  7. 在“结果”选项卡中,可以看到从文本中提取的实体及其类型。 还可以在“JSON”选项卡下查看 JSON 响应。

显示单标签分类项目的模型测试结果的屏幕截图。

向模型发送文本分类请求

提示

可以通过发送文本样本以对其进行分类,在 Language Studio 中测试模型

  1. 在部署作业成功完成后,选择要使用的部署,然后从顶部菜单中选择“获取预测 URL”。

    屏幕截图显示用于获取预测 URL 的按钮。

  2. 在出现的窗口中,在“提交”透视下,将示例请求 URL 和正文复制到命令行中。 将占位符值(如 YOUR_DOCUMENT_HEREYOUR_DOCUMENT_LANGUAGE_HERE)替换为要处理的实际文本和语言。

  3. 在终端或命令提示符下提交 POST cURL 请求。 如果请求成功,你将收到包含 API 结果的 202 响应。

  4. 在响应头中,你收到来自 operation-location 的提取 {JOB-ID},其格式为:{ENDPOINT}/language/analyze-text/jobs/<JOB-ID}>

  5. 返回到 Language Studio;从你之前获得示例请求的同一窗口中选择“检索”透视,然后将示例请求复制到文本编辑器中。

  6. 使用从上一步中提取的 ID 将作业 ID 添加到 URL(放到 /jobs/ 的后面)。

  7. 在终端或命令提示符下提交 GET cURL 请求。

后续步骤