Azure 中的机器学习：使用 SDK 在 Python 中构建管道后，如何将其发布到工作区？

Question

我不知道还有什么地方可以问这个问题，所以希望得到任何帮助或反馈。我一直在阅读 Azure 机器学习服务的 SDK 文档（特别是 azureml.core）。有一个名为 Pipeline 的 class，它具有方法 validate() 和 publish()。以下是相关文档：

https://docs.microsoft.com/en-us/python/api/azureml-pipeline-core/azureml.pipeline.core.pipeline.pipeline?view=azure-ml-py

当我调用 validate() 时，一切都通过验证，我调用了发布，但它似乎只在工作区中创建了一个 API 端点，它没有在 Pipelines 下注册我的管道，显然什么也没有在设计器中。

我的问题：我想发布我的管道，所以我只需单击一下即可从工作区启动。我已经使用 SDK（Python 代码）构建了它。我不想使用 API。有什么方法可以做到这一点，还是我必须使用设计器（拖放）重建整个管道？

Answer 1

完全理解你的困惑。我们的团队使用 Azure ML 管道已经有一段时间了，但 PublishedPipelines 最初仍然让我感到困惑，因为：

• SDK 调用的 PublishedPipeline 在 Studio UI 中被称为 Pipeline Endpoint，
• 它与Dataset和Model的.register()方法半相关，但根本不同。

TL;DR：Pipeline.publish() 所做的只是创建一个端点，您可以使用它来：

• schedule and version 管道，以及
• 通过 REST API 调用（例如 via Azure Data Factory）从其他服务重新运行 管道。

您可以在 Studio UI 的两个地方看到 PublishedPipelines：

• 管道页面 :: 管道端点选项卡
• 端点页面 :: 管道端点选项卡