範例：使用 Azure Machine Learning 建置和部署自訂技能 (封存)

此範例已封存且不支援。 它說明如何使用 Azure Machine Learning 建立自訂技能，以從評論中擷取以層面為基礎的情感。 這可讓相同檢閱內的正面和負面情感指派，正確地指派給已識別的實體，例如員工、房間、大廳或集區。

若要對 Azure Machine Learning 中的層面式情感模型定型，您將使用 nlp 食譜存放庫。 然後，此模型會部署為 Azure Kubernetes 叢集上的端點。 部署之後，端點就會新增至擴充管線，做為認知搜尋服務所使用的 AML 技能。

提供了兩個資料集。 如果您想要自行對模型定型，則需要 hotel_reviews_1000.csv 檔案。 偏好略過定型步驟嗎？ 下載 hotel_reviews_100.csv。

• 建立 Azure 認知搜尋執行個體
• 建立 Azure Machine Learning 工作區 (搜尋服務和工作區應位於相同的訂用帳戶中)
• 對模型定型並將其部署至 Azure Kubernetes 叢集
• 將 AI 擴充管線連結至已部署的模型
• 將來自已部署模型的輸出內嵌為自訂技能

重要

此技能在補充使用規定下處於公開預覽狀態。 預覽 REST API 支援此技能。

必要條件

• Azure 訂用帳戶 - 取得免費的訂用帳戶。
• 認知搜尋服務
• 認知服務資源
• Azure 儲存體帳戶)
• Azure Machine Learning 工作區

安裝程式

• 複製或下載範例存放庫的內容。
• 如果下載是 zip 檔案，則解壓縮內容。 確定檔案可讀寫。
• 設定 Azure 帳戶和服務時，請將名稱和索引鍵複製到容易存取的文字檔案中。 名稱和索引鍵會新增至筆記本中的第一個資料格，其中會定義用來存取 Azure 服務的變數。
• 如果您不熟悉 Azure Machine Learning 及其需求，在開始使用之前，您會想要先檢閱這些文件：
• 設定 Azure Machine Learning 的開發環境
• 在 Azure 入口網站中建立和管理 Azure Machine Learning 工作區
• 設定 Azure Machine Learning 的開發環境時，請考慮使用雲端型計算執行個體，以快速且輕鬆地開始使用。
• 將資料集檔案上傳至儲存體帳戶中的容器。 如果您想要在筆記本中執行定型步驟，則需要較大的檔案。 如果您偏好略過定型步驟，則建議使用較小的檔案。

開啟筆記本並連線到 Azure 服務

1. 將會允許存取 Azure 服務的變數所需的所有資訊，放在第一個資料格內，然後執行該儲存格。
2. 執行第二個儲存格將確認您已連線到訂用帳戶的搜尋服務。
3. 1\.1 - 1.5 小節會建立搜尋服務資料存放區、技能、索引和索引子。

此時，您可以選擇略過 Azure Machine Learning 中建立定型資料集和實驗的步驟，並直接跳到註冊 GitHub 存放庫的模型資料夾中所提供的兩個模型。 如果您略過這些步驟，請在筆記本中，跳到第 3.5 節，撰寫計分指令碼。 這麼做可節省時間；資料下載和上傳步驟最多可能需要 30 分鐘的時間才能完成。

建立和對模型定型

第 2 節有六個儲存格，會從 nlp 食譜存放庫下載手套內嵌檔。 下載之後，檔案就會上傳到 Azure Machine Learning 的資料存放區。 .zip 檔案大約為 2G，執行這些工作需要一些時間。 上傳之後，接著會將定型資料解壓縮，而現在您已準備好繼續進行第 3 節。

對層面式情感定型，並部署您的端點

筆記本的第 3 節會對在第 2 節中建立的模型定型、註冊這些模型，並將其部署為 Azure Kubernetes 叢集中的端點。 如果您不熟悉 Azure Kubernetes，強烈建議您先檢閱下列文章，再嘗試建立推斷叢集：

• Azure Kubernetes 服務概觀
• Azure Kubernetes Service (AKS) 的 Kubernetes 核心概念
• Azure Kubernetes Service 中的配額、虛擬機器大小限制和區域可用性 (AKS)

建立和部署推斷叢集最多可能需要 30 分鐘的時間。 建議您先測試 Web 服務，再繼續進行最後的步驟，並更新您的技能和執行索引子。

更新技能

筆記本中的第 4 節有四個儲存格，可更新技能和索引子。 或者，您可以使用入口網站來選取新技能，並將其套用至技能，然後執行索引子以更新搜尋服務。

在入口網站中，移至 [技能]，然後選取 [技能定義 (JSON)] 連結。 入口網站將會顯示在筆記本的第一個資料格中建立的技能 JSON。 在顯示的右側有一個下拉式功能表，您可以在其中選取技能定義範本。 選取 Azure Machine Learning (AML) 範本。 提供 Azure ML 工作區的名稱，以及部署至推斷叢集的模型端點。 隨即會以端點的 URI 和索引鍵更新範本。

從視窗複製技能範本，並將它貼上左側的技能定義中。 編輯範本以提供以下的遺漏值：

• 名稱
• 描述
• Context
• 'inputs' 名稱和來源
• 'outputs' 名稱和目標名稱

儲存技能。

儲存技能之後，移至索引子並選取 [索引子定義 (JSON)] 連結。 入口網站將會顯示在筆記本的第一個資料格中建立的索引子 JSON。 輸出欄位對應將需要以額外的欄位對應進行更新，以確保索引子可以正確地處理和傳遞它們。 儲存變更，然後選取 [執行]。

清除資源

使用您自己的訂用帳戶時，在專案結束後確認您是否還需要您建立的資源，是很好的做法。 資源若繼續執行，您將必須付費。 您可以個別刪除資源，或刪除資源群組以刪除整組資源。

您可以使用左導覽窗格中的 [所有資源] 或 [資源群組] 連結，在入口網站中尋找和管理資源。

如果您使用免費服務，請記住您會有三個索引、索引子和資料來源的限制。 您可以在入口網站中刪除個別項目，以避免超出限制。