Użyj działania usługi Azure Machine Learning, aby uruchomić zadanie na instancji Azure Machine Learning

Aktywność Azure Machine Learning w Fabric Data Factory pozwala uruchomić zadanie na instancji Azure Machine Learning.

Warunki wstępne

Aby rozpocząć pracę, należy spełnić następujące wymagania wstępne:

• Musisz mieć dostęp do dzierżawy usługi Microsoft Fabric z aprowizowaną pojemnością. Możesz wypróbować usługę Fabric z bezpłatną wersją próbną.
• Obszar roboczy Fabric przypisany do tej pojemności.

Dodawanie działania usługi Azure Machine Learning do potoku za pomocą interfejsu użytkownika

Aby użyć działania usługi Azure Machine Learning w potoku, wykonaj następujące kroki:

Utwórz działanie

1. Utwórz nowy potok w obszarze roboczym.

2. Wyszukaj usługę Azure Machine Learning w okienku Działania potoku i wybierz ją, aby dodać ją do kanwy potoku.

   Notatka

   Może być konieczne rozwinięcie menu i przewinięcie w dół, aby zobaczyć działanie usługi Azure Machine Learning, jak pokazano na poniższym zrzucie ekranu.

   

3. Wybierz nowe działanie Azure Machine Learning na kanwie edytora potoków, jeśli nie zostało jeszcze wybrane.

   

Zapoznaj się z wskazówkami dotyczącymi Ustawień Ogólnych, aby skonfigurować kartę ustawień Ogólnych.

Ustawienia działań usługi Azure Machine Learning

1. Wybierz kartę Ustawienia , a następnie możesz wybrać istniejącą lub utworzyć nowe połączenie Azure Machine Learning.
2. Wybierz typ punktu końcowego, albo Punkt Końcowy Batch, albo Pipeline (v1).
3. Podaj punkt końcowy Batch oraz wdrożenie Batch i skonfiguruj ustawienia zadania dla typu punktu końcowego Batch , lub podaj szczegóły potoku, aby uruchomić potok Azure Machine Learning (wersja 1) .

Zapisz i uruchom lub zaplanuj potok

Przejdź do karty Narzędzia główne w górnej części edytora potoków i wybierz przycisk zapisz, aby zapisać potok. Wybierz pozycję Uruchom , aby uruchomić ją bezpośrednio, lub Zaplanuj , aby zaplanować przebiegi w określonych godzinach lub interwałach. Aby uzyskać więcej informacji na temat przebiegów potoków, zobacz: Planowanie przebiegów potoków.

Po uruchomieniu możesz monitorować wykonywanie potoku i wyświetlać historię uruchamiania na karcie Dane wyjściowe poniżej kanwy.

Znane problemy

• Używanie jednostki usługi do uruchamiania notesu zawierającego kod linku semantycznego ma ograniczenia funkcjonalne i obsługuje tylko podzbiór funkcji łącza semantycznego. Aby uzyskać szczegółowe informacje, zobacz obsługiwane funkcje linków semantycznych . Aby korzystać z innych funkcji, zaleca się ręczne uwierzytelnianie semantycznego linku za pomocą jednostki usługi.
• Działanie usługi Azure Machine Learning (AML) może zakończyć się niepowodzeniem w niektórych konfiguracjach z powodu braku podwójnego odbiorcy tokenu podczas uwierzytelniania. Poprawka jest obecnie opracowywana.

Powiązana zawartość

• Jak monitorować uruchomienia pipeline'ów