上一篇

下一步

调用批处理终结点并对其进行故障排除

已完成

调用批处理终结点时，会触发 Azure 机器学习管道作业。 作业需要一个输入参数，该参数指向要评分的数据集。

触发批处理评分作业

若要准备用于批量预测的数据，可以在 Azure 机器学习工作区中将文件夹注册为数据资产。

然后，在使用 Python SDK 调用批处理终结点时，可以使用已注册的数据资产作为输入：

from azure.ai.ml import Input
from azure.ai.ml.constants import AssetTypes

input = Input(type=AssetTypes.URI_FOLDER, path="azureml:new-data:1")

job = ml_client.batch_endpoints.invoke(
    endpoint_name=endpoint.name, 
    input=input)

可以在 Azure 机器学习工作室中监视管道作业的运行。 通过调用批处理终结点触发的所有作业将显示在批处理终结点的“作业”选项卡中。

预测将存储在默认数据存储中。

排查批处理评分作业问题

批处理评分作业作为管道作业运行。 如果要对管道作业进行故障排除，可以查看其详细信息以及管道作业本身的输出和日志。

如果要对评分脚本进行故障排除，可以选择子作业并查看其输出和日志。

导航到“输出 + 日志”选项卡。logs/user/ 文件夹包含三个文件，可帮助你进行故障排除：

• job_error.txt：汇总脚本中的错误。
• job_progress_overview.txt：提供有关到目前为止处理的微型批数的概述信息。
• job_result.txt：显示在评分脚本中调用 init() 和 run() 函数时出现的错误。

继续