重新训练和部署机器学习模型

项目
02/14/2019

适用于： 适用于。机器学习 Studio（经典版）Azure 机器学习不适用。

重要

对机器学习工作室（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。

从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。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）资源。

请参阅有关将机器学习项目从 ML 工作室（经典）移到 Azure 机器学习的信息。
详细了解 Azure 机器学习

ML 工作室（经典）文档即将停用，将来可能不会更新。

重新训练是确保机器学习模型保持准确的一种方法，该方法基于最相关的可用数据。本文介绍如何在工作室（经典）中重新训练和部署机器学习模型作为新的 Web 服务。如果要重新训练经典 Web 服务，请参阅此操作说明文章。

本文假设你已部署了一个预测 Web 服务。如果还没有预测 Web 服务，请在此处了解如何部署工作室（经典）Web 服务。

你将执行以下步骤来重新训练和部署机器学习新 Web 服务：

部署重新训练 Web 服务
使用重新训练 Web 服务来训练新模型
将现有的预测实验更新为使用新模型

注意

建议使用 Azure Az PowerShell 模块与 Azure 交互。请参阅安装 Azure PowerShell 以开始使用。若要了解如何迁移到 Az PowerShell 模块，请参阅将 Azure PowerShell 从 AzureRM 迁移到 Az。

部署重新训练 Web 服务

使用重新训练 Web 服务，可以使用一组新的参数（例如新数据）来重新训练模型，并保存它供以后使用。将“Web 服务输出”连接到“训练模型”时，训练实验将输出一个新模型供你使用。

使用以下步骤来部署重新训练 Web 服务：

将一个 Web 服务输入模块连接到你的数据输入。通常情况下，想要确保输入数据的处理方式与原始训练数据的处理方式相同。
将一个 Web 服务输出模块连接到训练模型的输出。
如果你有一个评估模型模块，则可以连接一个 Web 服务输出模块来输出评估结果。
运行实验。

运行实验之后，生成的工作流应当类似于下图：

现在，将训练实验部署为重新训练 Web 服务，用于输出经过训练的模型和模型评估结果。
在实验画布的底部，单击“设置 Web 服务”。
选择“部署 Web 服务[新建]”。机器学习 Web 服务门户会打开“部署 Web 服务”页面。
为 Web 服务键入名称，选择一个付款计划。
选择“部署”。

重新训练模型

对于此示例，我们使用 C# 创建重新训练的应用程序。还可使用 Python 或 R 示例代码完成此任务。

使用以下步骤来调用重新训练 API：

在 Visual Studio 中创建 C# 控制台应用程序：“新建”>“项目”>“Visual C#”>“Windows 经典桌面”>“控制台应用(.NET Framework)”。
登录机器学习 Web 服务门户。
单击正在使用的 Web 服务。
单击“使用”。
在“使用”页底部的“示例代码”部分中，单击“Batch”。
复制 Batch 执行的示例 C# 代码，并将其粘贴到 Program.cs 文件。请确保命名空间保持不变。

按照注释中指定的方式添加 NuGet 包 Microsoft.AspNet.WebApi.Client。要添加对 Microsoft.WindowsAzure.Storage.dll 的引用，可能需要安装 Azure 存储服务的客户端库。

以下屏幕截图显示机器学习 Web 服务门户中的“使用”页面。

使用页

更新 apiKey 声明

定位 apikey 声明：

const string apiKey = "abc123"; // Replace this with the API key for the web service

在“使用”页的“基本使用信息”部分中，找到主密钥，并将其复制到 apikey 声明。

更新 Azure 存储信息

BES 示例代码将文件从本地驱动器（例如，“C:\temp\CensusInput.csv”）上传到 Azure 存储、对其进行处理，并将结果写回 Azure 存储。

登录到 Azure 门户
在左侧导航栏中，单击“更多服务”，搜索“存储帐户”，然后选择它。
从存储帐户列表中，选择一个来存储重新训练模型。
在左侧导航栏中，单击“访问密钥”。
复制并保存“主访问密钥”。
在左侧导航列中，单击“ Blob”。
选择现有容器或创建新的容器并保存名称。

找到“StorageAccountName”、“StorageAccountKey”和“StorageContainerName”声明，然后更新从门户保存的值。

const string StorageAccountName = "mystorageacct"; // Replace this with your Azure storage account name
const string StorageAccountKey = "a_storage_account_key"; // Replace this with your Azure Storage key
const string StorageContainerName = "mycontainer"; // Replace this with your Azure Storage container name

还必须确保输入文件在代码中指定的位置上可用。

指定输出位置

在“请求有效负载”中指定输出位置时，在 RelativeLocation 中指定的文件的扩展必须指定为 ilearner。

Outputs = new Dictionary<string, AzureBlobDataReference>() {
    {
        "output1",
        new AzureBlobDataReference()
        {
            ConnectionString = storageConnectionString,
            RelativeLocation = string.Format("{0}/output1results.ilearner", StorageContainerName) /*Replace this with the location you want to use for your output file and a valid file extension (usually .csv for scoring results or .ilearner for trained models)*/
        }
    },

下面是重新训练输出的示例：

重新训练输出

评估重新训练结果

运行应用程序时，输出包括 URL 和访问评估结果所需的共享访问签名令牌。

通过组合 output2 的输出结果中的 BaseLocation、RelativeLocation 和 SasBlobToken 并在浏览器地址栏中粘贴完整的 URL，可以查看重新训练模型的性能结果。

检查结果以确定新训练的模型是否比现有模型的表现更好。

保存输出结果中的 BaseLocation、RelativeLocation 和 SasBlobToken。

更新预测实验

首先，使用 Connect-AzAccount cmdlet 从 PowerShell 环境中登录到 Azure 帐户。

获取 Web 服务定义对象

接下来，通过调用 Get-AzMlWebService cmdlet 获取 Web 服务定义对象。

$wsd = Get-AzMlWebService -Name 'RetrainSamplePre.2016.8.17.0.3.51.237' -ResourceGroupName 'Default-MachineLearning-SouthCentralUS'

若要确定现有 Web 服务的资源组名称，请运行 Get-AzMlWebService cmdlet，无需任何参数即可在订阅中显示 Web 服务。定位到 Web 服务，并查看其 Web 服务 ID。资源组的名称是 ID 中的第四个元素，紧随 resourceGroups 元素之后。在下面的示例中，资源组名称为 Default-MachineLearning-SouthCentralUS。

Properties : Microsoft.Azure.Management.MachineLearning.WebServices.Models.WebServicePropertiesForGraph
Id : /subscriptions/<subscription ID>/resourceGroups/Default-MachineLearning-SouthCentralUS/providers/Microsoft.MachineLearning/webServices/RetrainSamplePre.2016.8.17.0.3.51.237
Name : RetrainSamplePre.2016.8.17.0.3.51.237
Location : South Central US
Type : Microsoft.MachineLearning/webServices
Tags : {}

或者，若要确定现有 Web 服务的资源组名称，请登录机器学习 Web 服务门户。选择 Web 服务。资源组名称是 Web 服务的 URL 的第五个元素，紧随 resourceGroups 元素之后。在下面的示例中，资源组名称为 Default-MachineLearning-SouthCentralUS。

https://services.azureml.net/subscriptions/<subscription ID>/resourceGroups/Default-MachineLearning-SouthCentralUS/providers/Microsoft.MachineLearning/webServices/RetrainSamplePre.2016.8.17.0.3.51.237

将 Web 服务定义对象导出为 JSON

若要修改已训练模型的定义以使用新训练的模型，必须先使用 Export-AzMlWebService cmdlet 将其导出到 JSON 格式文件。

Export-AzMlWebService -WebService $wsd -OutputFile "C:\temp\mlservice_export.json"

将引用更新到 iLearner blob

在资产中，定位到 [训练的模型]，使用 iLearner blob 的 URI 更新 locationInfo 节点中的 URI 值。通过组合 BES 重新训练调用的输出结果中的 BaseLocation 和 RelativeLocation 生成 URI。

"asset3": {
    "name": "Retrain Sample [trained model]",
    "type": "Resource",
    "locationInfo": {
        "uri": "https://mltestaccount.blob.core.windows.net/azuremlassetscontainer/baca7bca650f46218633552c0bcbba0e.ilearner"
    },
    "outputPorts": {
        "Results dataset": {
            "type": "Dataset"
        }
    }
},

将 JSON 导入到 Web 服务定义对象

使用 Import-AzMlWebService cmdlet 将修改后的 JSON 文件转换回可用于更新谓词实验的 Web 服务定义对象。

$wsd = Import-AzMlWebService -InputFile "C:\temp\mlservice_export.json"

更新 Web 服务

最后，使用 Update-AzMlWebService cmdlet 更新预测实验。

Update-AzMlWebService -Name 'RetrainSamplePre.2016.8.17.0.3.51.237' -ResourceGroupName 'Default-MachineLearning-SouthCentralUS'

后续步骤

若要了解有关如何管理 Web 服务或跟踪多个实验运行的详细信息，请参阅以下文章：

通过