De Azure Machine Learning-activiteit gebruiken om een taak uit te voeren op een Azure Machine Learning-exemplaar

Met de Azure Machine Learning-activiteit in Data Factory voor Microsoft Fabric kunt u een taak uitvoeren op een Azure Machine Learning-exemplaar.

Voorwaarden

Om aan de slag te gaan, moet u aan de volgende vereisten voldoen:

Een Azure Machine Learning-activiteit toevoegen aan een pijplijn met de gebruikersinterface

Voer de volgende stappen uit om een Azure Machine Learning-activiteit in een pijplijn te gebruiken:

De activiteit maken

  1. Maak een nieuwe pijplijn in uw werkruimte.

  2. Zoek naar Azure Machine Learning in de pijplijn activiteiten deelvenster en selecteer het om deze toe te voegen aan het pijplijncanvas.

    Notitie

    Mogelijk moet u het menu uitvouwen en omlaag schuiven om de Azure Machine Learning-activiteit te zien, zoals is gemarkeerd in de volgende schermopname.

    Schermopname van de Fabric UI met het activiteitenpaneel en Azure Machine Learning-activiteit gemarkeerd.

  3. Selecteer de nieuwe Azure Machine Learning-activiteit op het canvas van de pijplijneditor als deze nog niet is geselecteerd.

    schermopname met het tabblad Algemene instellingen van de Azure Machine Learning-activiteit.

Raadpleeg de Algemene-instellingen richtlijnen voor het configureren van het tabblad Algemeen instellingen.

Azure Machine Learning-activiteitsinstellingen

  1. Selecteer het tabblad Instellingen, dan kunt u een bestaande Azure Machine Learning-verbinding kiezen of een nieuwe maken.
  2. Kies en eindpunttype, ofwel Batch-eindpunt of Pijplijn (v1).
  3. Geef een Batch-eindpunt en een Batch-implementatie op en configureer de taakinstellingen voor het Batch-eindpunttype , of geef de pijplijndetails op om een Azure Machine Learning Pipeline (v1)uit te voeren.

Schermopname van het tabblad Instellingen van de Azure Machine Learning-activiteit.

De pijplijn opslaan en uitvoeren of inplannen

Schakel over naar het tabblad Home boven aan de pijplijneditor en selecteer de knop Opslaan om uw pijplijn op te slaan. Selecteer Uitvoeren om deze rechtstreeks uit te voeren of Planning om uitvoeringen op specifieke tijdstippen of intervallen te plannen. Zie voor meer informatie over pijplijnuitvoeringen: pijplijnuitvoeringen plannen.

Schermopname van het tabblad Start in de pijplijneditor met de tabbladnaam, Opslaan, Uitvoeren en Inplannen knoppen gemarkeerd.

Nadat u de pijplijn heeft uitgevoerd, kunt u de pijplijnuitvoering bewaken en de uitvoeringsgeschiedenis bekijken op het Uitvoer tabblad onder het canvas.

Bekende problemen

  • Het gebruik van service-principal voor het uitvoeren van een notebook met Semantic Link-code heeft functionele beperkingen en ondersteunt alleen een subset van semantische koppelingsfuncties. Zie de ondersteunde semantische koppelingsfuncties voor meer informatie. Als u andere mogelijkheden wilt gebruiken, wordt u aangeraden de semantische koppeling handmatig te verifiëren met een service-principal.
  • AML-activiteit (Azure Machine Learning) kan in sommige configuraties mislukken vanwege een ontbrekende doelgroep voor dubbele tokens tijdens de verificatie. Aan de oplossing wordt momenteel gewerkt.

Verwante inhoud

  • Last updated on