调用批处理终结点并对其进行故障排除
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。