代码之家  ›  专栏  ›  技术社区  ›  Tilo

再次调用“部署web服务(通过API密钥)”重新运行经过培训的Azure ML模型

  •  0
  • Tilo  · 技术社区  · 7 年前

    我想知道以下内容在后端是如何工作的

    场景:

    -&燃气轮机;我们以UTC格式从Edgex foundry获取数据,并以(CST/CDT时区)格式将其存储在Azure文档数据库中

    -&燃气轮机;我们根据数据(日期在CST/CDT时区)训练ML模型并部署web服务。

    因此,我下面没有什么基本疑问

    1. 当web作业点击我们的预测web服务时,经过训练的ML模型会再次运行吗?

    2. 我们是否需要像时间戳那样,将新传入测试数据(我们想要预测)的UTC时区转换为CST/CDT时区 对我们的预测有什么影响?

    3. 当调用预测性webservice API时,后端会发生什么?

    1 回复  |  直到 7 年前
        1
  •  1
  •   Jon    7 年前

    这只是基于我使用Azure ML的经验,但我想我可以帮助解决您的问题。

    当web作业点击我们的预测web服务时,经过训练的ML模型会再次运行吗?

    是的,在某种意义上,它将调用 predict 新数据模型上的(或类似)方法。例如,在 scikit-learn 您可以使用 fit 方法一旦模型投入生产,只有 预测 方法将被调用。

    它还将运行您设置为部署为web服务的整个工作流。下面是一个我以前使用过的工作流示例。每次使用新数据运行web服务时,整个过程都将运行。这就像在中创建管道一样 scikit学习

    Azure ML Workflow

    我们是否需要将新传入测试数据(我们想要预测)的UTC时区转换为CST/CDT时区,因为时间戳对我们的预测很重要?

    我会说是的,您需要转换为在模型中进行培训时使用的时区。这可以通过在工作流中添加一个步骤来完成,然后当您调用web服务时,它将在进行预测之前为您进行必要的转换。

    当调用预测性webservice API时,后端会发生什么?

    我不确定除了微软的人以外,是否还有人知道,但可以肯定的是,它会运行您设置的工作流。


    我知道这并不多,但我希望这能帮助你,或者至少让你走上你需要的正确道路。