composants Entrée du service web et Sortie du service web
Cet article décrit les composants Entrée du service web et Sortie du service web dans le concepteur Azure Machine Learning.
Le composant Entrée du service web peut uniquement se connecter à un port d’entrée de type DataFrameDirectory. Le composant Sortie du service web peut uniquement être connecté à partir d’un port de sortie de type DataFrameDirectory. Les deux composants sont disponibles dans l’arborescence des composants, sous la catégorie Service web.
Le composant Entrée du service web indique où les données utilisateur entrent dans le pipeline. Le composant Sortie du service web indique où les données utilisateur sont retournées dans un pipeline d’inférence en temps réel.
Comment utiliser les modules Entrée/Sortie du service web
Quand vous créez un pipeline d’inférence en temps réel à partir de votre pipeline d’entraînement, les composants Entrée du service web et Sortie du service web sont automatiquement ajoutés pour indiquer l’emplacement où les données utilisateur entrent dans le pipeline et l’emplacement où elles sont retournées.
Notes
La génération automatique du pipeline d’inférence en temps réel est un processus de meilleur effort basé sur une règle. Il n’y a aucune garantie d’exactitude.
Vous pouvez ajouter ou supprimer manuellement les composants Entrée du service web et Sortie du service web pour répondre à vos besoins. Vérifiez qu’il existe au moins un composant Entrée du service web et un composant Sortie du service web dans votre pipeline d’inférence en temps réel. Si vous avez plusieurs composants Entrée du service web ou Sortie du service web, vérifiez qu’ils ont des noms uniques. Vous pouvez entrer le nom dans le volet droit du composant.
Vous pouvez également créer manuellement un pipeline d’inférence en temps réel en ajoutant les composants Entrée du service web et Sortie du service web à votre pipeline avant de l’envoyer.
Notes
Le type de pipeline sera déterminé au premier envoi du pipeline. Veillez donc à ajouter les composants Entrée du service web et Sortie du service web avant le premier envoi.
L’exemple ci-dessous montre comment créer manuellement un pipeline d’inférence en temps réel à partir du composant Exécuter un script Python.
Une fois le pipeline envoyé et l’exécution terminée, vous pouvez déployer le point de terminaison en temps réel.
Notes
Dans l’exemple précédent, l’option Entrer des données manuellement fournit le schéma de données pour l’entrée du service web et elle est nécessaire pour déployer le point de terminaison en temps réel. En règle générale, vous devez toujours connecter un composant ou un jeu de données au port où le composant Entrée de service web est connecté pour fournir le schéma de données.
Étapes suivantes
Découvrez-en plus sur le déploiement du point de terminaison en temps réel.
Consultez les composants disponibles pour Azure Machine Learning.