Jak model usługi Machine Learning Studio (klasyczny) przechodzi od eksperymentu do usługi internetowej

DOTYCZY: Machine Learning Studio (wersja klasyczna) Azure Machine Learning

Usługa Machine Learning Studio (klasyczna) udostępnia interaktywną kanwę, która umożliwia tworzenie, uruchamianie, testowanie i iterowanie eksperymentu reprezentującego model analizy predykcyjnej. Dostępnych jest wiele różnych modułów, które mogą:

• Wprowadzanie danych do eksperymentu
• Manipulowanie danymi
• Trenowanie modelu przy użyciu algorytmów uczenia maszynowego
• Ocenianie modelu
• Ocena wyników
• Końcowe wartości danych wyjściowych

Gdy eksperyment jest zadowalający, możesz wdrożyć go jako usługę internetową usługi Machine Learning (klasyczną) lub usługę sieci Web Azure Machine Learning, aby użytkownicy mogli wysyłać nowe dane i odbierać wyniki zwrotne.

W tym artykule omówiono mechanikę postępu modelu uczenia maszynowego z eksperymentu programistycznego do zoperacjonalizowanej usługi internetowej.

Chociaż usługa Machine Learning Studio (klasyczna) została zaprojektowana w celu ułatwienia opracowywania i wdrażania modelu analizy predykcyjnej, można użyć programu Studio (klasycznego) do opracowania eksperymentu, który nie obejmuje modelu analizy predykcyjnej. Na przykład eksperyment może po prostu wprowadzić dane, manipulować nimi, a następnie wygenerować wyniki. Podobnie jak w przypadku eksperymentu analizy predykcyjnej, można wdrożyć ten nie predykcyjny eksperyment jako usługę sieci Web, ale jest to prostszy proces, ponieważ eksperyment nie jest trenowany ani oceniania modelu uczenia maszynowego. Chociaż w ten sposób nie jest typowe użycie programu Studio (wersja klasyczna), uwzględnimy ją w dyskusji, abyśmy mogli przedstawić pełne wyjaśnienie działania programu Studio (wersja klasyczna).

Tworzenie i wdrażanie predykcyjnej usługi internetowej

Poniżej przedstawiono etapy typowe dla danego rozwiązania podczas opracowywania i wdrażania go przy użyciu usługi Machine Learning Studio (wersja klasyczna):

Rysunek 1. Etapy typowego modelu analizy predykcyjnej

Eksperyment szkoleniowy

Eksperyment szkoleniowy to początkowa faza tworzenia usługi internetowej w usłudze Machine Learning Studio (wersja klasyczna). Celem eksperymentu szkoleniowego jest zapewnienie miejsca do opracowywania, testowania, iterowania i ostatecznie trenowania modelu uczenia maszynowego. Możesz nawet trenować wiele modeli jednocześnie, gdy szukasz najlepszego rozwiązania, ale po zakończeniu eksperymentowania wybierzesz jeden wytrenowany model i zlikwidujesz resztę z eksperymentu. Aby zapoznać się z przykładem tworzenia eksperymentu analizy predykcyjnej, zobacz Tworzenie rozwiązania analizy predykcyjnej na potrzeby oceny ryzyka kredytowego w usłudze Machine Learning Studio (wersja klasyczna).

Eksperyment predykcyjny

Po wytrenowaniu modelu w eksperymencie trenowania kliknij pozycję Skonfiguruj usługę internetową i wybierz pozycję Predykcyjna usługa internetowa w usłudze Machine Learning Studio (wersja klasyczna), aby zainicjować proces konwertowania eksperymentu szkoleniowego na eksperyment predykcyjny. Celem eksperymentu predykcyjnego jest użycie wytrenowanego modelu w celu oceny nowych danych, a ostatecznie stanie się operacjonalizowany jako usługa internetowa platformy Azure.

Ta konwersja jest wykonywana w następujących krokach:

• Konwertowanie zestawu modułów używanych do trenowania na jeden moduł i zapisywanie go jako wytrenowanego modelu
• Eliminowanie wszelkich dodatkowych modułów, które nie są związane z ocenianiem
• Dodawanie portów wejściowych i wyjściowych, które będą używane przez ostateczną usługę sieci Web

Może istnieć więcej zmian, które chcesz wprowadzić, aby przygotować eksperyment predykcyjny do wdrożenia jako usługa sieci Web. Jeśli na przykład chcesz, aby usługa sieci Web wyprowadziła tylko podzbiór wyników, możesz dodać moduł filtrowania przed portem wyjściowym.

W tym procesie konwersji eksperyment trenowania nie jest odrzucany. Po zakończeniu procesu masz dwie karty w programie Studio (wersja klasyczna): jedną dla eksperymentu szkoleniowego i jedną dla eksperymentu predykcyjnego. Dzięki temu możesz wprowadzić zmiany w eksperymencie trenowania przed wdrożeniem usługi internetowej i ponownie skompilować eksperyment predykcyjny. Możesz też zapisać kopię eksperymentu szkoleniowego, aby rozpocząć kolejną linię eksperymentowania.

Usługa internetowa

Gdy eksperyment predykcyjny będzie gotowy, możesz wdrożyć usługę jako klasyczną usługę internetową lub nową usługę internetową w oparciu o usługę Azure Resource Manager. Aby operacjonalizować model, wdrażając go jako klasyczną usługę sieci Web Machine Learning, kliknij pozycję Wdróż usługę internetową i wybierz pozycję Wdróż usługę internetową [klasyczną]. Aby wdrożyć jako nową usługę sieci Web Machine Learning, kliknij pozycję Wdróż usługę internetową i wybierz pozycję Wdróż usługę internetową [Nowy]. Użytkownicy mogą teraz wysyłać dane do modelu przy użyciu interfejsu API REST usługi internetowej i odbierać wyniki. Aby uzyskać więcej informacji, zobacz How to consume a Machine Learning Web Service (Jak korzystać z usługi sieci Web Machine Learning).

Nietypowy przypadek: tworzenie nie predykcyjnej usługi sieci Web

Jeśli eksperyment nie wytrenuje modelu analizy predykcyjnej, nie musisz tworzyć zarówno eksperymentu szkoleniowego, jak i eksperymentu oceniania — istnieje tylko jeden eksperyment i możesz wdrożyć go jako usługę internetową. Usługa Machine Learning Studio (klasyczna) wykrywa, czy eksperyment zawiera model predykcyjny, analizując używane moduły.

Po iterowaniu eksperymentu i zadowoleniu z niego:

1. Kliknij pozycję Skonfiguruj usługę internetową i wybierz pozycję Ponowne trenowanie usługi sieci Web — węzły wejściowe i wyjściowe są dodawane automatycznie
2. Kliknij pozycję Uruchom
3. Kliknij pozycję Wdróż usługę internetową i wybierz pozycję Wdróż usługę internetową [klasyczną] lub Wdróż usługę internetową [Nowe] w zależności od środowiska, w którym chcesz wdrożyć.

Usługa sieci Web jest teraz wdrożona i możesz uzyskiwać do niej dostęp i zarządzać nią tak jak predykcyjna usługa sieci Web.

Aktualizowanie usługi internetowej

Teraz, gdy eksperyment został wdrożony jako usługa sieci Web, co zrobić, jeśli chcesz go zaktualizować?

Zależy to od tego, co należy zaktualizować:

Chcesz zmienić dane wejściowe lub wyjściowe albo zmodyfikować sposób manipulowania danymi przez usługę sieci Web

Jeśli nie zmieniasz modelu, ale po prostu zmieniasz sposób obsługi danych przez usługę internetową, możesz edytować eksperyment predykcyjny, a następnie kliknąć pozycję Wdróż usługę internetową i ponownie wybrać pozycję Wdróż usługę internetową [klasyczną] lub Wdróż usługę internetową [nowe]. Usługa sieci Web zostanie zatrzymana, wdrożony zaktualizowany eksperyment predykcyjny, a usługa sieci Web zostanie ponownie uruchomiona.

Oto przykład: Załóżmy, że eksperyment predykcyjny zwraca cały wiersz danych wejściowych z przewidywanym wynikiem. Możesz zdecydować, że chcesz, aby usługa sieci Web po prostu zwróciła wynik. Możesz więc dodać moduł Project Columns (Kolumny projektu) w eksperymencie predykcyjnym bezpośrednio przed portem wyjściowym, aby wykluczyć kolumny inne niż wynik. Po kliknięciu pozycji Wdróż usługę internetową i ponownie wybierz pozycję Wdróż usługę internetową [klasyczną] lub Ponownie wdróż usługę internetową [nowe] zostanie zaktualizowana.

Chcesz ponownie wytrenować model przy użyciu nowych danych

Jeśli chcesz zachować model uczenia maszynowego, ale chcesz go ponownie wytrenować przy użyciu nowych danych, masz dwie opcje:

1. Ponownie wytrenuj model, gdy usługa sieci Web jest uruchomiona — jeśli chcesz ponownie wytrenować model podczas działania predykcyjnej usługi sieci Web, możesz to zrobić, wprowadzając kilka modyfikacji eksperymentu szkoleniowego w celu ponownego trenowania eksperymentu, możesz wdrożyć go jako usługę internetową ponownego trenowania. Aby uzyskać instrukcje dotyczące tego, jak to zrobić, zobacz Programowe trenowanie modeli uczenia maszynowego.

2. Wróć do oryginalnego eksperymentu szkoleniowego i użyj różnych danych szkoleniowych, aby opracować model — eksperyment predykcyjny jest połączony z usługą internetową, ale eksperyment szkoleniowy nie jest bezpośrednio połączony w ten sposób. Jeśli zmodyfikujesz oryginalny eksperyment trenowania i klikniesz pozycję Skonfiguruj usługę internetową, zostanie utworzony nowy eksperyment predykcyjny, który po wdrożeniu utworzy nową usługę sieci Web. Nie tylko aktualizuje oryginalną usługę sieci Web.

   Jeśli chcesz zmodyfikować eksperyment trenowania, otwórz go i kliknij przycisk Zapisz jako , aby utworzyć kopię. Spowoduje to pozostawienie nienaruszonego oryginalnego eksperymentu szkoleniowego, eksperymentu predykcyjnego i usługi internetowej. Teraz możesz utworzyć nową usługę internetową ze zmianami. Po wdrożeniu nowej usługi sieci Web możesz zdecydować, czy zatrzymać poprzednią usługę sieci Web, czy zachować jej działanie obok nowej usługi.

Chcesz wytrenować inny model

Jeśli chcesz wprowadzić zmiany w oryginalnym eksperymencie predykcyjnym, takim jak wybranie innego algorytmu uczenia maszynowego, wypróbowanie innej metody trenowania itp., należy wykonać drugą procedurę opisaną powyżej w celu ponownego trenowania modelu: otwórz eksperyment szkoleniowy, kliknij przycisk Zapisz jako , aby utworzyć kopię, a następnie rozpocząć nową ścieżkę tworzenia modelu. tworzenie eksperymentu predykcyjnego i wdrażanie usługi internetowej. Spowoduje to utworzenie nowej usługi sieci Web niepowiązanej z oryginalną usługą — możesz zdecydować, która z nich lub obie te usługi będą nadal działać.

Następne kroki

Aby uzyskać więcej informacji na temat procesu opracowywania i eksperymentowania, zobacz następujące artykuły:

• konwertowanie eksperymentu — jak przygotować model do wdrożenia w usłudze Machine Learning Studio (wersja klasyczna)
• wdrażanie usługi internetowej — wdrażanie usługi internetowej Machine Learning
• ponowne trenowanie modelu — programowe ponowne trenowanie modeli uczenia maszynowego

Aby zapoznać się z przykładami całego procesu, zobacz:

• Samouczek dotyczący uczenia maszynowego: tworzenie pierwszego eksperymentu w usłudze Machine Learning Studio (wersja klasyczna)
• Przewodnik: opracowywanie rozwiązania do analizy predykcyjnej na potrzeby oceny ryzyka kredytowego w usłudze Machine Learning Studio (wersja klasyczna)