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。
在 Azure 机器学习中重新生成工作室(经典)Web 服务
重要
对 Azure 机器学习工作室(经典)的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。
自 2021 年 12 月 1 日起,无法创建新的机器学习工作室(经典)资源(工作区和 Web 服务计划)。 在 2024 年 8 月 31 日之前,可继续使用现有的机器学习工作室(经典)试验和 Web 服务。 有关详细信息,请参阅:
机器学习工作室(经典)文档即将停用,并且将来可能不会更新。
本文介绍如何在 Azure 机器学习中重新生成 ML 工作室(经典)Web 服务作为终结点。
使用 Azure 机器学习管道终结点进行预测、重新训练模型或运行任何通用管道。 REST 终结点允许你在任何平台上运行管道。
本文是 Azure 机器学习迁移系列的工作室(经典)的一部分。 有关迁移到 Azure 机器学习的详细信息,请参阅迁移概述一文。
注意
本迁移系列重点介绍拖放设计器。 有关以编程方式部署模型的详细信息,请参阅在 Azure 中部署机器学习模型。
先决条件
- 具有活动订阅的 Azure 帐户。 免费创建帐户。
- Azure 机器学习工作区。 创建工作区资源。
- Azure 机器学习训练管道。 有关详细信息,请参阅在 Azure 机器学习中重新生成工作室(经典)试验。
实时终结点与管道终结点
工作室(经典)Web 服务已被 Azure 机器学习中的终结点所取代。 使用下表来选择要使用的终结点类型:
工作室(经典)Web 服务 | Azure 机器学习替换 |
---|---|
请求/响应 Web 服务(实时预测) | 实时终结点 |
批处理 Web 服务(批处理预测) | 管道终结点 |
重新训练 Web 服务(重新训练) | 管道终结点 |
部署实时终结点
在工作室(经典)中,你使用请求/响应 Web 服务来部署实时预测模型。 在 Azure 机器学习中,你将使用实时终结点。
在 Azure 机器学习中,有多种部署模型的方法。 最简单的方法之一是使用设计器自动执行部署过程。 使用以下步骤将模型部署为实时终结点:
至少运行一次已完成的训练管道。
作业完成后,请在画布顶部,选择“创建推理管道”>“实时推理管道”。
设计器将训练管道转换为实时推理管道。 在工作室(经典)中也会发生类似的转换。
在设计器中,转换步骤还会将训练的模型注册到 Azure 机器学习工作区。
选择“提交”以运行实时推理管道,并验证它是否成功运行。
验证推理管道后,选择“部署”。
输入终结点的名称和计算类型。
下表描述了设计器中的部署计算选项:
计算目标 用途 说明 创建 Azure Kubernetes 服务 (AKS) 实时推理 大规模的生产部署。 快速响应时间和服务自动缩放。 用户创建。 有关详细信息,请参阅创建计算目标。 Azure 容器实例 测试或开发 需要小于 48 GB RAM 的基于 CPU 的小型工作负载。 由 Azure 机器学习自动创建。
测试实时终结点
部署完成后,可以看到更多详细信息并测试终结点:
转到“终结点”选项卡。
选择终结点。
选择“测试”选项卡。
发布管道终结点以进行批处理预测或重新训练
还可以使用训练管道来创建管道终结点,而不是实时终结点。 使用管道终结点来执行批处理预测或重新训练。
管道终结点将替换工作室(经典)的批处理执行终结点,并重新训练 Web 服务。
发布用于批处理预测的管道终结点
发布批处理预测终结点类似于实时终结点。
使用以下步骤发布用于批处理预测的管道终结点:
至少运行一次已完成的训练管道。
作业完成后,请在画布顶部,选择“创建推理管道”>“批处理推理管道”。
设计器将训练管道转换为批推理管道。 在工作室(经典)中也会发生类似的转换。
在设计器中,此步骤还会将训练的模型注册到 Azure 机器学习工作区。
选择“提交”以运行批处理推理管道,并验证它是否成功完成。
验证推理管道后,选择“发布”。
创建新的管道终结点或选择现有管道终结点。
新管道终结点为管道创建新的 REST 终结点。
如果选择现有管道终结点,不会覆盖现有管道。 相反,Azure 机器学习在终结点对每个管道进行版本化。 可以指定要在 REST 调用中运行的版本。 如果 REST 调用未指定版本,还必须设置默认管道。
发布管道终结点以进行重新训练
若要发布管道终结点以进行重新训练,必须已有训练模型的管道草稿。 有关生成训练管道的详细信息,请参阅重新生成工作室(经典)试验。
若要重用管道终结点以重新训练,必须为输入数据集创建管道参数。 这使你可以动态设置训练数据集,以便重新训练模型。
使用以下步骤发布重新训练的管道终结点:
至少运行一次训练管道。
运行完成后,选择数据集模块。
在“模块详细信息”窗格中,选择“设置为管道参数”。
提供一个说明性名称,如“InputDataset”。
这会为输入数据集创建管道参数。 当你调用管道终结点进行训练时,可以指定一个新的数据集来重新训练模型。
选择发布。
从工作室调用管道终结点
创建批处理推理或重新训练管道终结点后,可以直接从浏览器调用终结点。
转到“管道”选项卡,然后选择“管道终结点”。
选择要运行的管道终结点。
选择“提交”。
选择“提交”后,可以指定任何管道参数。
后续步骤
本文介绍如何在 Azure 机器学习中重新生成工作室(经典)Web 服务。 下一步是将 Web 服务与客户端应用集成。
请参阅工作室(经典)迁移系列中的其他文章:
- 迁移概述。
- 迁移数据集。
- 重新生成工作室(经典)训练管道。
- 重新生成工作室(经典)Web 服务。
- 将 Azure 机器学习 Web 服务与客户端应用集成。
- 迁移执行 R 脚本。