다음을 통해 공유

R 워크로드 가져오기

  • 아티클

적용 대상:Azure CLI ml 확장 v2(현재)Python SDK azure-ai-ml v2(현재)

R용 Azure Machine Learning SDK가 없습니다. 대신 CLI 또는 Python 제어 스크립트를 사용하여 R 스크립트를 실행합니다.

이 문서에서는 Azure Machine Learning 및 알려진 제한 사항에서 지원되는 R의 주요 시나리오를 간략하게 설명합니다.

일반적인 R 워크플로

Azure Machine Learning에서 R을 사용하는 일반적인 워크플로:

  • 컴퓨팅 인스턴스에서 Jupyter Notebook을 사용하여 대화형으로 R 스크립트를 개발합니다. (컴퓨팅 인스턴스에 Posit 또는 RStudio를 추가할 수도 있지만 현재 컴퓨팅 인스턴스의 이러한 애플리케이션에서 작업 영역의 데이터 자산에 액세스할 수 없습니다. 따라서 지금은 Jupyter Notebook에서 대화형 작업을 수행하는 것이 가장 좋습니다.)

    • 등록된 데이터 자산 또는 데이터 저장소에서 테이블 형식 데이터 읽기
    • 추가 R 라이브러리 설치
    • 작업 영역 파일 스토리지에 아티팩트 저장

  • Azure Machine Learning에서 프로덕션 작업으로 실행되도록 스크립트 조정

    • 사용자 상호 작용이 필요할 수 있는 모든 코드 제거
    • 필요에 따라 스크립트에 명령줄 입력 매개 변수 추가
    • 실행할 R 스크립트의 동일한 작업 디렉터리에 azureml_utils.R 스크립트 포함 및 원본 제공
    • crate를 사용하여 모델 패키지
    • 스크립트에 R/MLflow 함수를 포함하여 MLflow의 작업에 아티팩트, 모델, 매개 변수 및/또는 태그 기록

  • 원격 비동기 R 작업 제출(R이 아닌 CLI 또는 Python SDK를 통해 작업 제출)

    • 환경 빌드
    • 작업 아티팩트, 매개 변수, 태그 및 모델 기록

  • Azure Machine Learning 스튜디오를 사용하여 모델 등록

  • 등록된 R 모델을 관리형 온라인 엔드포인트에 배포

    • 실시간 추론/채점을 위해 배포된 엔드포인트 사용

알려진 제한 사항

 

제한 사항 대신 다음을 수행합니다.
R 컨트롤 플레인 SDK가 없습니다. Azure CLI 또는 Python 제어 스크립트를 사용하여 작업을 제출합니다.
컴퓨팅 인스턴스 컨테이너 내에서 사용자 지정 애플리케이션으로 실행되는 RStudio(예: Posit 또는 RStudio)는 작업 영역 자산 또는 MLflow에 액세스할 수 없습니다. 컴퓨팅 인스턴스에서 R 커널과 함께 Jupyter Notebook을 사용합니다.
R에서 작업 영역 MLflow 레지스트리를 대화형으로 쿼리하는 것은 지원되지 않습니다.
R의 중첩된 MLflow 실행은 지원되지 않습니다.
병렬 작업 단계는 지원되지 않습니다. 다른 입력 매개 변수를 사용하여 스크립트를 동시에 n번 실행합니다. 하지만 이 작업을 수행하기 위해 n번의 YAML 또는 CLI 호출을 생성하도록 메타 프로그래밍을 수행해야 합니다.
R을 사용하여 실행 중인 작업의 프로그래밍 모델 등록/기록은 지원되지 않습니다.
R MLflow 모델의 제로 코드 배포(즉, 자동 배포)는 현재 지원되지 않습니다. 배포를 위해 plumber를 사용하여 사용자 지정 컨테이너를 만듭니다.
일괄 처리 엔드포인트를 사용하는 R 모델 채점은 지원되지 않습니다.
Azure Machine Learning 온라인 배포 yml은 동일한 Dockerfile에서 미리 빌드된 환경이 아니라 환경 사양에 대한 레지스트리의 이미지 URI만 직접적으로 사용할 수 있습니다. 올바른 배포 방법은 등록된 R 모델을 온라인(실시간) 엔드포인트에 배포하는 방법의 단계를 따릅니다.

다음 단계

Azure Machine Learning의 R에 대해 자세히 알아보기: