在本機部署模型

了解如何使用 Azure Machine Learning 將模型部署為 Azure Machine Learning 計算執行個體上的 Web 服務。 如果下列其中一個條件成立，請使用計算執行個體：

• 您需要快速部署及驗證模型。
• 您正在測試處於開發狀態的模型。

必要條件

• 執行計算執行個體的 Azure Machine Learning 工作區。 如需詳細資訊，請參閱建立資源以開始。

部署至計算執行個體

您的計算執行個體上包含了示範本機部署的範例筆記本。 使用下列步驟來載入筆記本，並在 VM 上將模型部署為 Web 服務：

1. 從 Azure Machine Learning 工作室，選取 [筆記本]，然後選取 [範例筆記本] 下的 how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local.ipynb。 將此筆記本複製到您的使用者資料夾。

2. 尋找在步驟 1 中複製的筆記本，選擇或建立計算執行個體以執行筆記本。

   

3. 筆記本會顯示服務執行所在的 URL 和連接埠。 例如： https://localhost:6789 。 您也可以執行包含 print('Local service port: {}'.format(local_service.port)) 的儲存格來顯示連接埠。

   

4. 若要從計算執行個體測試服務，請使用 https://localhost:<local_service.port> URL。 若要從遠端用戶端進行測試，請取得在計算執行個體上所執行服務的公用 URL。 您可以使用下列公式來判斷公用 URL；

   • Notebook VM：https://<vm_name>-<local_service_port>.<azure_region_of_workspace>.notebooks.azureml.net/score。
   • 計算執行個體：https://<vm_name>-<local_service_port>.<azure_region_of_workspace>.instances.azureml.net/score。

   例如，

   • Notebook VM：https://vm-name-6789.northcentralus.notebooks.azureml.net/score
   • 計算執行個體：https://vm-name-6789.northcentralus.instances.azureml.net/score

測試服務

若要將範例資料提交至正在執行的服務，請使用下列程式碼。 將 service_url 的值取代為上一個步驟中的 URL：

import requests
import json
from azureml.core.authentication import InteractiveLoginAuthentication

# Get a token to authenticate to the compute instance from remote
interactive_auth = InteractiveLoginAuthentication()
auth_header = interactive_auth.get_authentication_header()

# Create and submit a request using the auth header
headers = auth_header
# Add content type header
headers.update({'Content-Type':'application/json'})

# Sample data to send to the service
test_sample = json.dumps({'data': [
    [1,2,3,4,5,6,7,8,9,10],
    [10,9,8,7,6,5,4,3,2,1]
]})
test_sample = bytes(test_sample,encoding = 'utf8')

# Replace with the URL for your compute instance, as determined from the previous section
service_url = "https://vm-name-6789.northcentralus.notebooks.azureml.net/score"
# for a compute instance, the url would be https://vm-name-6789.northcentralus.instances.azureml.net/score
resp = requests.post(service_url, test_sample, headers=headers)
print("prediction:", resp.text)

下一步

• 如何使用自訂 Docker 映像來部署模型
• 部署疑難排解
• 使用 TLS 來透過 Azure Machine Learning 保護 Web 服務
• 取用部署為 Web 服務的 ML 模型
• 使用 Application Insights 監視您的 Azure Machine Learning 模型
• 在生產環境中收集模型資料