部署模型

对模型执行方式感到满意后，即可部署模型，并查询来自言语的预测。 部署模型，使其可通过预测 API 使用。

先决条件

• 创建的项目
• 已标记的语句和已成功训练的模型
• 查看模型评估以确定模型的性能。

有关详细信息， 请参阅项目开发生命周期。

部署模型

查看模型的性能并决定可以在环境中使用它后，需要将其分配给部署才能对其进行查询。 将模型分配给部署，使其可通过预测 API 使用。 建议创建一个名为 production 的部署，以便为其分配到目前为止构建的最佳模型，并在系统中使用它。 你可以创建另一个名为 staging 的部署，可将当前正在使用的模型分配给该部署，以便能够对其进行测试。 项目中最多可以有 10 个部署。

提交部署作业

使用以下 URL、标头和 JSON 正文创建 PUT 请求，开始部署对话语言理解模型。

请求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

请求正文

{
  "trainedModelLabel": "{MODEL-NAME}",
}

发送 API 请求后，会收到指示 202 成功的响应。 在响应标头中，提取 operation-location 格式如下的值：

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

可使用此 URL 获取部署作业状态。

获取部署作业状态

发送成功的部署请求后，用于检查作业状态的完整请求 URL（包括终结点、项目名称和作业 ID）会包含在响应的 operation-location 标头中。

使用以下 GET 请求来获取部署作业的状态。 将占位符值替换为你自己的值。

请求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

响应正文

发送请求后，你将获取以下响应。 继续轮询此终结点，直到“状态”参数变为“已成功”。

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

交换部署

完成对一个部署中模型的测试后，您可能希望将其分配给另一个部署。 交换部署涉及以下操作：

• 获取分配给第一个部署的模型并将其分配给第二个部署。
• 获取分配给第二个部署的模型并将其分配给第一个部署。

例如，当您希望将分配给production的模型分配给staging或者将staging和production的部署进行交换时。

使用以下 URL、标头和 JSON 正文创建 POST 请求，以启动交换部署作业。

请求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/:swap?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

请求正文

{
  "firstDeploymentName": "{FIRST-DEPLOYMENT-NAME}",
  "secondDeploymentName": "{SECOND-DEPLOYMENT-NAME}"
}

发送 API 请求后，会收到指示 202 成功的响应。

删除部署

使用以下 URL、标头和 JSON 正文创建 DELETE 请求，删除对话语言理解部署。

请求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{projectName}/deployments/{deploymentName}?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

发送 API 请求后，会收到指示 202 成功的响应，这意味着部署已删除。

分配部署资源

可以通过分配存在于不同区域中的不同语言资源来将项目部署到多个区域。

以编程方式分配部署资源需要进行 Microsoft Entra 身份验证**。 Microsoft Entra ID 用于确认你有权访问想要分配给项目进行多区域部署的资源。 若要在发出 REST API 调用时以编程方式使用 Azure Microsoft Entra 身份验证，请参阅Azure AI 服务身份验证文档。

分配资源

使用以下 URL、标头和 JSON 正文提交 POST 请求以分配部署资源。

请求 URL

创建 API 请求时，请使用以下 URL。 将占位符值替换为你自己的值。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/resources/:assign?api-version={API-VERSION}

头文件

使用 Microsoft Entra 身份验证对此 API 进行身份验证。

正文

使用以下示例 JSON 作为正文。

{
  "resourcesMetadata": [
    {
      "azureResourceId": "{AZURE-RESOURCE-ID}",
      "customDomain": "{CUSTOM-DOMAIN}",
      "region": "{REGION-CODE}"
    }
  ]
}

获取分配资源状态

使用以下 GET 请求获取分配部署资源作业的状态。 将占位符值替换为你自己的值。

请求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/resources/assign/jobs/{JOB-ID}?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

响应正文

发送请求后，会收到以下响应。 继续轮询此终结点，直到“状态”参数变为“已成功”。

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

取消分配部署资源

取消分配或删除项目中的部署资源时，还会删除部署到资源区域的所有部署。

取消分配资源

使用以下 URL、标头和 JSON 正文提交 POST 请求，以从项目中取消分配或删除部署资源。

请求 URL

创建 API 请求时，请使用以下 URL。 将占位符值替换为你自己的值。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/resources/:unassign?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

正文

使用以下示例 JSON 作为正文。

{
  "assignedResourceIds": [
    "{AZURE-RESOURCE-ID}"
  ]
}

获取取消分配资源状态

使用以下 GET 请求获取取消分配部署资源作业的状态。 将占位符值替换为你自己的值。

请求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/resources/unassign/jobs/{JOB-ID}?api-version={API-VERSION}

头文件

使用以下标头对请求进行身份验证。

响应正文

发送请求后，会收到以下响应。 继续轮询此终结点，直到“状态”参数变为“已成功”。

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

后续步骤

• 使用预测 API 查询模型