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

A atividade do Azure Machine Learning no Data Factory para 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 uma nova canalização no seu espaço de trabalho.

  2. Pesquise por Azure Machine Learning no painel Atividades do pipeline e selecione-o para adicioná-lo à área de design do pipeline.

    Observação

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

    Captura de tela da interface do usuário do Fabric com o painel Atividades e a atividade do Azure Machine Learning realçadas.

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

    Captura de tela mostrando a guia Configurações gerais da atividade do Azure Machine Learning.

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

Configurações de atividade do Azure Machine Learning

  1. Selecione a guia Configurações e, em seguida, você pode escolher uma conexão existente ou criar uma nova conexão do Azure Machine Learning.
  2. Escolha um tipo de endpoint, Endpoint de Lote ou Pipeline (v1).
  3. Forneça um ponto de extremidade de Lote e uma implantação de Lote e configure as **Configurações de Trabalho para o tipo de ponto de extremidade de Lote, ou forneça os detalhes do pipeline para executar um Pipeline do Azure Machine Learning (v1).

Captura de tela mostrando a guia Configurações da atividade do Azure Machine Learning.

Salvar e executar ou agendar o pipeline

Alterne para a guia Página Inicial na parte superior do editor de pipeline e selecione o botão Salvar. Selecione Executar para executá-lo diretamente ou Agendar para agendar execuções em intervalos ou horários específicos. Para obter mais informações sobre execuções de pipeline, consulte: cronograma de execuções de pipeline.

Captura de tela mostrando a guia Início no editor de pipeline com o nome da guia e os botões Salvar, Executar e Agendar realçados.

Depois de executar, você pode monitorar a execução do pipeline e exibir o histórico de execução na guia Saída abaixo da tela.

Problemas conhecidos

  • Usar um Principal de Serviço para executar um notebook que contém código de Link Semântico tem limitações funcionais e oferece suporte apenas a um subconjunto de recursos de Link Semântico. Consulte as funções de link semântico com suporte para obter detalhes. Para usar outros recursos, é recomendável autenticar manualmente o link semântico com um principal de serviço.
  • A atividade do AML (Azure Machine Learning) pode falhar em algumas configurações devido a um público de token duplo ausente durante a autenticação. A correção está sendo trabalhada atualmente.

Conteúdo relacionado

  • Last updated on