デプロイされた Web サービスを更新する (v1)

適用対象:Azure CLI ml 拡張機能 v1Python SDK azureml v1

この記事では、Azure Machine Learning と共にデプロイされた Web サービスを更新する方法について説明します。

前提条件

• この記事は、既に Web サービスを Azure Machine Learning と共にデプロイしてあることを前提としています。 Web サービスをデプロイする方法を学習する必要がある場合は、これらの手順に従ってください。

• この記事のコード スニペットでは、Workflow() コンストラクターを使用するか、Workspace.from_config() を使用して保存された構成を読み込むことで、ws 変数が既にワークスペースに初期化されていることを前提としています。 次のスニペットは、コンストラクターの使用方法を示しています。

  適用対象: Python SDK azureml v1

  from azureml.core import Workspace
  ws = Workspace(subscription_id="mysubscriptionid",
                 resource_group="myresourcegroup",
                 workspace_name="myworkspace")
  

Web サービスを更新する

Web サービスを更新するには、update メソッドを使用します。 推論の構成で指定できる新しいモデル、新しいエントリ スクリプト、または新しい依存関係を使用するように Web サービスを更新することができます。 詳細については、Webservice.update のドキュメントを参照してください。

AKS Service の Update メソッドを参照してください。

ACI Service の Update メソッドを参照してください。

SDK を使用する

次のコードは、SDK を使用して Web サービスのモデル、環境、エントリ スクリプトを更新する方法を示しています。

適用対象: Python SDK azureml v1

from azureml.core import Environment
from azureml.core.webservice import Webservice
from azureml.core.model import Model, InferenceConfig

# Register new model.
new_model = Model.register(model_path="outputs/sklearn_mnist_model.pkl",
                           model_name="sklearn_mnist",
                           tags={"key": "0.1"},
                           description="test",
                           workspace=ws)

# Use version 3 of the environment.
deploy_env = Environment.get(workspace=ws,name="myenv",version="3")
inference_config = InferenceConfig(entry_script="score.py",
                                   environment=deploy_env)

service_name = 'myservice'
# Retrieve existing service.
service = Webservice(name=service_name, workspace=ws)



# Update to new model(s).
service.update(models=[new_model], inference_config=inference_config)
service.wait_for_deployment(show_output=True)
print(service.state)
print(service.get_logs())

CLI を使用する

ML CLI を使用して Web サービスを更新することもできます。 次の例では、新しいモデルを登録し、この新しいモデルを使用するように Web サービスを更新する方法を示します。

適用対象: Azure CLI ml 拡張機能 v1

az ml model register -n sklearn_mnist  --asset-path outputs/sklearn_mnist_model.pkl  --experiment-name myexperiment --output-metadata-file modelinfo.json
az ml service update -n myservice --model-metadata-file modelinfo.json

詳細については、az ml service update のドキュメントを参照してください。

次のステップ

• 失敗したデプロイのトラブルシューティング
• Web サービスを使用するクライアント アプリケーションを作成する
• カスタム Docker イメージを使用してモデルをデプロイする方法
• TLS を使用して Azure Machine Learning による Web サービスをセキュリティで保護する
• Application Insights を使用して Azure Machine Learning のモデルを監視する
• 実稼働環境でモデルのデータを収集する
• モデル デプロイのイベント アラートおよびトリガーを作成する