webservice Paket
Enthält Funktionen zum Bereitstellen von Machine Learning-Modellen als Webdienstendpunkte in Azure Machine Learning.
Durch die Bereitstellung eines Azure Machine Learning-Modells als Webdienst wird ein Endpunkt und eine REST-API erstellt. Sie können Daten an diese API senden und die vom Modell zurückgegebene Vorhersage empfangen.
Sie erstellen einen Webdienst, wenn Sie ein Model oder Image in Azure Container Instances (aci Modul), Azure Kubernetes Service (aks Modul) und Azure Kubernetes Endpoint (AksEndpoint) oder field-programmable Gate Arrays (FPGA) bereitstellen. Die Bereitstellung mit einem Modell wird für die meisten Anwendungsfälle empfohlen, während die Bereitstellung mit einem Image für erweiterte Anwendungsfälle empfohlen wird. Beide Bereitstellungstypen werden in den Klassen in diesem Modul unterstützt.
Module
| aci |
Enthält Funktionen zum Bereitstellen von Machine Learning-Modellen als Webdienstendpunkte in Azure-Containerinstanzen. Azure Container Instances (ACI) wird für Szenarien empfohlen, die in isolierten Containern ausgeführt werden können, einschließlich einfacher Anwendungen, Aufgabenautomatisierung und Buildaufträgen. Weitere Informationen zur Verwendung von ACI finden Sie unter Bereitstellen eines Modells für Azure-Containerinstanzen. |
| aks |
Enthält Funktionen zum Bereitstellen von Machine Learning-Modellen als Webdienstendpunkte in Azure Kubernetes Service. Azure Kubernetes Service (AKS) wird für Szenarien empfohlen, in denen Sie eine vollständige Container-Orchestrierung benötigen, einschließlich der Dienstermittlung über mehrere Container, die automatische Skalierung und koordinierte Anwendungsupgrades. Weitere Informationen finden Sie unter Bereitstellen eines Modells für Azure Kubernetes Service. |
| container_resource_requirements |
Modul zur Beschreibung der Containerressourcenanforderungen in Azure Machine Learning. |
| local |
Enthält Funktionen zum Bereitstellen von Machine Learning-Modellen als lokale Webdienstendpunkte. Die Bereitstellung in einem lokalen Webdienst wird für Szenarien empfohlen, wenn Sie Ihr Modell schnell bereitstellen und validieren müssen oder ein Modell testen, das gerade entwickelt wird. Weitere Informationen finden Sie unter Bereitstellen eines Modells für Notizbuch-VMs. |
| unknown_webservice |
Enthält Funktionen zum Verwalten unbekannter Webservices in Azure Machine Learning. |
| webservice |
Enthält Funktionen zum Verwalten von Modellen, die als Webdienstendpunkt in Azure Machine Learning bereitgestellt werden. Dieses Modul enthält die abstrakte übergeordnete Klasse Webservice, die Methoden für die Bereitstellung von Modellen definiert. Ein gängiges Muster besteht darin, ein Konfigurationsobjekt für das spezifische Computeziel zu erstellen und dann die Methoden der Webservice-Klasse mit diesem Konfigurationsobjekt zu verwenden.
Um z. B. in Azure-Containerinstanzen bereitzustellen, erstellen Sie ein AciServiceDeploymentConfiguration Objekt aus der Eine Übersicht über die Bereitstellung finden Sie unter Bereitstellen von Modellen mit Azure Machine Learning. |
Klassen
| AciWebservice |
Stellt ein Machine Learning-Modell dar, das als Webdienstendpunkt in Azure-Containerinstanzen bereitgestellt wird. Ein bereitgestellter Dienst wird aus einem Modell, Skript und zugehörigen Dateien erstellt. Der resultierende Webdienst ist ein lastenausgleichender HTTP-Endpunkt mit einer REST-API. Sie können Daten an diese API senden und die vom Modell zurückgegebene Vorhersage empfangen. Weitere Informationen finden Sie unter Bereitstellen eines Modells in Azure Container Instances. Initialisieren Sie die Webservice-Instanz. Der Webservice-Konstruktor ruft eine Clouddarstellung eines Webservice-Objekts ab, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Es wird eine Instanz einer untergeordneten Klasse zurückgegeben, die dem spezifischen Typ des abgerufenen Webservice-Objekts entspricht. |
| AksEndpoint |
Hinweis Dies ist eine experimentelle Klasse und kann sich jederzeit ändern. Weitere Informationen finden Sie unter https://aka.ms/azuremlexperimental. Stellt eine Auflistung von Webdienstversionen hinter demselben Endpunkt dar, der auf Azure Kubernetes Service ausgeführt wird. Während ein AksWebservice einzelner Dienst mit einem einzelnen Bewertungsendpunkt bereitgestellt wird, können Sie mit der AksEndpoint-Klasse mehrere Webdienstversionen hinter demselben Bewertungsendpunkt bereitstellen. Jede Webdienstversion kann so konfiguriert werden, dass sie einen Prozentsatz des Datenverkehrs bedient, sodass Sie Modelle in kontrollierter Weise bereitstellen können, z. B. für A/B-Tests. AksEndpoint ermöglicht die Bereitstellung von einem Modellobjekt, das AksWebservice ähnelt. Initialisieren Sie die Webservice-Instanz. Der Webservice-Konstruktor ruft eine Clouddarstellung eines Webservice-Objekts ab, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Es wird eine Instanz einer untergeordneten Klasse zurückgegeben, die dem spezifischen Typ des abgerufenen Webservice-Objekts entspricht. |
| AksWebservice |
Stellt ein Machine Learning-Modell dar, das als Webdienstendpunkt in Azure Kubernetes Service bereitgestellt wird. Ein bereitgestellter Dienst wird aus einem Modell, Skript und zugehörigen Dateien erstellt. Der resultierende Webdienst ist ein lastenausgleichender HTTP-Endpunkt mit einer REST-API. Sie können Daten an diese API senden und die vom Modell zurückgegebene Vorhersage empfangen. AksWebservice stellt einen einzelnen Dienst auf einem Endpunkt bereit. Verwenden Sie die AksEndpoint Klasse, um mehrere Dienste auf einem Endpunkt bereitzustellen. Weitere Informationen finden Sie unter Bereitstellen eines Modells für einen Azure Kubernetes-Dienstcluster. Initialisieren Sie die Webservice-Instanz. Der Webservice-Konstruktor ruft eine Clouddarstellung eines Webservice-Objekts ab, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Es wird eine Instanz einer untergeordneten Klasse zurückgegeben, die dem spezifischen Typ des abgerufenen Webservice-Objekts entspricht. |
| LocalWebservice |
Stellt ein Machine Learning-Modell dar, das als lokaler Webdienstendpunkt bereitgestellt wird. Das lokale Bereitstellen von Webdiensten ist nützlich für Debugging- und Testszenarien. Lokaler Webdienstkonstruktor. Der LocalWebservice-Konstruktor wird verwendet, um eine lokale Darstellung eines LocalWebservice-Objekts abzurufen, das dem bereitgestellten Arbeitsbereich zugeordnet ist. |
| UnknownWebservice |
Nur für die interne Verwendung. Diese Klasse wird von der Webservice Klasse zum Abrufen oder Auflisten von Dienstuntertypen verwendet, wenn der Webdienst aus einem Paket erstellt wurde, das nicht importiert wurde, z. B. für einen dienst, der mit dem <xref:azureml.accel> Paket erstellt wurde. Initialisieren Sie die Webservice-Instanz. Der Webservice-Konstruktor ruft eine Clouddarstellung eines Webservice-Objekts ab, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Es wird eine Instanz einer untergeordneten Klasse zurückgegeben, die dem spezifischen Typ des abgerufenen Webservice-Objekts entspricht. |
| Webservice |
Definiert die Basisfunktionalität für die Bereitstellung von Modellen als Webdienstendpunkte in Azure Machine Learning. Webservice-Konstruktor wird verwendet, um eine Clouddarstellung eines Webservice-Objekts abzurufen, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Gibt eine Instanz einer untergeordneten Klasse zurück, die dem spezifischen Typ des abgerufenen Webservice-Objekts entspricht. Die Webservice-Klasse ermöglicht die Bereitstellung von Machine Learning-Modellen aus einem Model oder Image einem Objekt. Weitere Informationen zum Arbeiten mit Webservice finden Sie unter Bereitstellen von Modellen mit Azure Machine Learning. Initialisieren Sie die Webservice-Instanz. Der Webservice-Konstruktor ruft eine Clouddarstellung eines Webservice-Objekts ab, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Es wird eine Instanz einer untergeordneten Klasse zurückgegeben, die dem spezifischen Typ des abgerufenen Webservice-Objekts entspricht. |