Compartilhar via

Usar a atividade do Azure Machine Learning para executar um trabalho em uma instância do Azure Machine Learning

  • Artigo

A atividade do Azure Machine Learning no Data Factory para o Microsoft Fabric permite que você execute um trabalho em uma instância do Azure Machine Learning.

Pré-requisitos

Para começar, você deve concluir os seguintes pré-requisitos:

Adicionar uma atividade do Azure Machine Learning a um pipeline com a interface do usuário

Para usar uma atividade do Azure Machine Learning em um pipeline, conclua as seguintes etapas:

Criar a atividade

  1. Crie um pipeline no seu workspace.

  2. Pesquise Azure Machine Learning no painel Atividades do pipeline e selecione-o para adicioná-lo à tela do pipeline.

    Observação

    Talvez seja necessário expandir o menu e rolá-lo para baixo para ver a atividade do Azure Machine Learning, conforme realçado na captura de tela a seguir.

    Screenshot of the Fabric UI with the Activities pane and Azure Machine Learning activity highlighted.

  3. Selecione a nova atividade do Lote do Azure na tela do editor de pipeline se ela ainda não estiver selecionada.

    Screenshot showing the General settings tab of the Azure Machine Learning activity.

Consulte as diretrizes de Configurações Geraispara definir a guia Configurações Gerais.

Configurações de atividade do Azure Machine Learning

  1. Selecione a guia Configurações e escolha uma conexão existente ou crie uma conexão do Azure Machine Learning.
  2. Escolha um Tipo de ponto de extremidade, Ponto de Extremidade em Lote ou Pipeline (v1).
  3. Forneça um Ponto de extremidade em lote e uma Implantação em lote e defina as **Configurações de trabalho para o tipo Ponto de Extremidade em Lote ou forneça os detalhes do pipeline para executar um Pipeline do Azure Machine Learning (v1).

Screenshot showing the Settings tab of the Azure Machine Learning activity.

Salvar e executar ou agendar o pipeline

Após configurar quaisquer outras atividades exigidas pelo pipeline, alterne para a guia Página Inicial na parte superior do editor do pipeline e selecione o botão Salvar para salvar o pipeline. Selecione Executar para executá-lo diretamente ou Agendar para agendá-lo. Você também pode exibir o histórico de execuções aqui ou definir outras configurações.

Screenshot showing the Home tab in the pipeline editor with the tab name, Save, Run, and Schedule buttons highlighted.

Conteúdo relacionado