昨天体验到 Automated ML 的威力了,它可以自动地帮我们跑一大堆模型,找出最好的解法,省下一大堆时间,真的是资料科学家的神器。
今天我们就来把昨天找到的最佳解,给部署起来吧!
不过大家要注意一点是,AutoML找出来的最佳解,不一定是可以直接 production 的,建议还是要再测试过。
回到我们昨天 Automated ML,这个 experiment,点击下面的 Run 1 进去。
进到 Run 里面後,我们点选上面的 Models,点击你想要部署的那个 Model 进去。
进去 Model 里面後,如下图所示会看到上方有个 Deploy 的按钮,我们点下去。
接着会跳出一个视窗,我们依序填入名称、描述、选择 AKS 和之前我们开好的那个 Inference Compute。
在 Authentication 这里,我们给它启用,然後看你要用什麽方式来做 authenticate,这里我们选 key-based。
等待一段时间就会部署完成了。这时候我们点左边选单的 Endpoints,进到我们刚刚部署上去的 endpoint 里面。在 Details 的页签里,我们可以看到这个 endpoint 的一些基本资讯,包含了 REST API 的网址。
再来我们点到 Test 那个分页,有图形化介面可以来测试这个 API。
接着我们进到 Consume 这个页面,一如以往地,连怎麽使用这个 API 的程序码都帮你生产好啦!!刚刚我们做的 key-based authentication 的 Key,在放在这里哦!
到这里为止我们就完成了 Automated ML 的部署,真的是非常地容易呢!有没有愈来愈喜欢 Azure Machine Learning 呢?
<<: 2021-Day21. Serverless(九):Google Container Registry - 部署
>>: Day18-持久不一定需要防腐剂 stateful redis建立
Background 在前後端分离的专案维护一份完整且及时更新的api文件会极大的提高我们的工作效率...
1 前言 1.1 什麽是Modbus Modbus是一种用於工业控制的标准通信协议,它定义了装置之间...
上次介绍完前面两个修饰符,今天就来把它学习完吧!!! .stop .prevent .capture...
DAY19 用 Azure Machine Learning SDK 建立 Datastore 我们...
我们都说备份很重要,因此定时备份 Hexo 就是我们必学的其中一个功课之一啦!我们对 Hexo 的更...