Podemos apuntar a equipos locales para la implementación de los modelos que se crean en Azure Machine Learning.
En su caso necesitamos utilizar la ventana acoplable de la imagen, ya que proporciona aislado, los contenedores de experiencia.
A continuación están los pasos para su implementación en el local de servicio web utilizando la ventana acoplable:
- Conectarse a la Azure Machine Learning espacio de trabajo en el que su modelo está registrado.
- Crear un
Model
objeto que representa el modelo.
- Crear un
Environment
objeto que contiene las dependencias y define el entorno de software en el que el código se ejecute.
- Crear un
InferenceConfig
objeto que se asocia la entrada de secuencia de comandos con el Environment
.
- Crear un
DeploymentConfiguration
objeto de la subclase LocalWebserviceDeploymentConfiguration
.
- Uso
Model.deploy()
para crear un Webservice
objeto. Este método de descargas de la ventana acoplable de la imagen y la asocia con la Model
, InferenceConfig
y DeploymentConfiguration
.
- Activar el
Webservice
mediante el uso de Webservice.wait_for_deployment()
.
Se refieren a esta documentación como AjayKumarGhose sugerido. Compruebe también este MSDoc para la formación de un modelo de imagen