如何在 Azure 机器学习工作室中使用批处理终结点
本文介绍如何在 Azure 机器学习工作室中使用批处理终结点执行批量评分。 有关详细信息，请参阅什么是 Azure 机器学习终结点？。
本文介绍：
- 为 MLflow 模型创建一个附带无代码体验的批处理终结点
- 检查批处理终结点详细信息
- 启动批量评分作业
- Azure 机器学习工作室中的批处理终结点功能概述
重要
处理启用了专用链接的工作区时，可以使用 Azure 机器学习工作室创建和管理批处理终结点。 但是，无法从 UI 调用它们。 请改用 Azure ML CLI v 来创建作业。 有关如何使用它的详细信息，请参阅调用批处理终结点来启动批处理评分作业。
先决条件
Azure 订阅 - 如果没有 Azure 订阅，请在开始前创建帐户。 立即试用 Azure 机器学习。
示例存储库 - 克隆 AzureML 示例存储库。 本文将使用
/cli/endpoints/batch中的资产。可在其中运行批量评分工作流的计算目标。 有关创建计算目标的详细信息，请参阅在 Azure 机器学习工作室中创建计算目标。
注册机器学习模型。
创建批处理终结点
可通过两种方法在 Azure 机器学习工作室中创建批处理终结点：
在“终结点”页中，选择“批处理终结点”，然后选择“+ 创建” 。
OR
在“模型”页中，选择要部署的模型，然后选择“部署到批处理终结点”。
提示
如果使用的是 MLflow 模型，则可以使用无代码批处理终结点创建方式。 也就是说，你无需准备评分脚本和环境，系统会自动生成这两者。 有关详细信息，请参阅使用 MLflow 和 Azure 机器学习训练和跟踪 ML 模型。
完成向导中的所有步骤以创建批处理终结点和部署。
检查批处理终结点详细信息
创建批处理终结点后，从“终结点”页中选择它可查看详细信息。
启动批量评分作业
批量评分工作负载以脱机作业的形式运行。 默认情况下，批量评分将评分输出存储在 Blob 存储中。 还可以配置输出位置并覆盖某些设置以获得最佳性能。
选择“+ 创建作业”：
可以在从下拉列表提交作业时更新默认部署：
覆盖设置
可以在启动批量评分作业时覆盖某些设置。 例如，可以覆盖设置以更好地利用计算资源或提高性能。 若要替代设置，请选择“替代部署设置”并提供设置。 有关详细信息，请参阅使用批处理终结点。
使用不同的输入选项启动批量评分作业
可以使用两个选项在 Azure 机器学习工作室中指定数据输入：
使用“已注册数据集”：
注意
在预览期，仅支持 FileDataset。
OR
使用“数据存储”：
可以指定 AzureML 注册的数据存储，或者，如果数据公开可用，请指定公共路径。
配置输出位置
默认情况下，批量评分结果存储在工作区的默认 blob 存储中。 结果位于以作业名称（系统生成的 GUID）命名的文件夹中。
若要更改结果的存储位置，请在启动作业时提供 blob 存储和输出路径。
重要
必须使用唯一的输出位置。 如果输出文件已存在，批量评分作业将失败。
所有已提交作业的摘要
若要查看终结点的所有已提交作业的摘要，请选择终结点，然后选择“运行”选项卡。
检查批量评分结果
若要了解如何查看评分结果，请参阅使用批处理终结点。
将部署添加到现有批处理终结点
在 Azure 机器学习工作室中，可通过两种方法将部署添加到现有批处理终结点：
在“终结点”页中，选择要将新部署添加到的批处理终结点。 选择“+ 添加部署”，然后完成向导以添加新部署。
OR
在“模型”页中，选择要部署的模型。 然后从下拉列表中选择“部署到批处理终结点”选项。 在向导中的“终结点”屏幕上，选择“现有” 。 完成向导以添加新部署。
更新默认部署
如果终结点有多个部署，则其中一个部署是默认部署。 默认部署会接收发送到终结点的 100% 流量。 若要更改默认部署，请使用以下步骤：
- 在“终结点”页上选择终结点。
- 选择“更新默认部署”。 在“详细信息”选项卡中，选择要设置为默认部署的部署，然后选择“更新” 。
删除批处理终结点和部署
若要删除终结点，请从“终结点”页中选择终结点，然后选择删除 。
警告
删除终结点也会删除该终结点的所有部署。
若要删除部署，请从“终结点”页中选择终结点，选择相应部署，然后选择删除 。
后续步骤
本文介绍了如何创建和调用批处理终结点。 有关 Azure 机器学习的详细信息，请参阅下述其他文章：