Azure ML和Azure ML实验的区别

Question

我是Azure ML的新手，有一些疑问。请帮我解答以下问题：

1. Azure ML服务和Azure ML实验服务有什么区别？
2. Azure ML工作台和Azure ML Studio有什么区别？
3. 我想使用Azure ML实验服务来构建几个模型并创建Web API。是否可以在ML Studio中完成相同的操作？
4. 此外，ML实验服务要求我安装Windows Docker以创建Web服务。我能否不使用Docker来创建Web服务？

- Ravi Kiran Gururaja

---

请注意，Workbench仍然是一个预览产品。 - Dan Ciborowski - MSFT

Answer 1

我会尽力回答这些问题，欢迎提出更多问题。:)

Azure ML服务和Azure ML实验服务有什么区别？

基本上，Azure ML服务（我可能会引用Azure ML Studio）使用拖放界面来构建工作流程和测试模型。Azure ML实验是Azure门户的一个新产品，直接在Azure中托管它们并提供更好的管理模型的方式。实验将使用Azure ML Workbench来构建您的模型。

Azure ML Workbench和Azure ML Studio有什么区别？

最大的区别是ML Studio具有拖放界面来构建工作流程和模型，而Workbench允许您使用Python编程方式构建模型。Workbench还包括一种非常好的、强大的方法来从应用程序中清理数据。在Studio中，您有一些很好的模块来清理数据，但我认为它不如Workbench中可以做的那么强大。

编辑：Workbench应用程序已被弃用，并已被替换/升级为ML Services。核心功能未更改。

我想使用Azure ML实验服务构建一些模型并创建Web API。我可以在ML Studio中做到这一点吗？

实际上，我认为在ML Studio中做到这一点要容易得多。拖放界面非常直观，只需几个点击即可创建一个Web API来调用您的模型。我感觉，在撰写本文时，部署模型更为复杂，需要使用Azure CLI。

而且，ML实验服务要求我安装Windows Docker才能创建Web服务。我可以不使用Docker创建Web服务吗？

在Workbench的Docker部分，我不太熟悉，但我相信您可以在不使用Docker的情况下创建和部署。但我认为它需要一个Azure模型管理资源。

我希望这可以帮到你，如有更多问题，请随时提出。

- Jon

---

非常感谢您回答我的问题。 是否可以创建Web服务并将其托管在Azure ML工作台中？ 类似于Azure ML Studio的方式？ - Ravi Kiran Gururaja

我自己没有做过太多这方面的工作，而且我所做的一些工作也遇到了一些问题。这个页面应该比我能做的更详细。距离我上次操作已经过了几个月了，但当时我不得不执行一些额外的步骤，比如向Azure注册更多的命名空间。我认为一旦部署完成，你应该会得到一个指向模型的链接。 - Jon

@ Jon，再次感谢你的回答。在创建 Web 服务时，你是否安装了 Docker？ - Ravi Kiran Gururaja

我没有，但不幸的是我认为我还没有到需要这样做的地步。 :/ - Jon

最新的预览版本在这里提供笔记本：https://github.com/Azure/MachineLearningNotebooks/blob/master/01.getting-started/01.train-within-notebook/01.train-within-notebook.ipynb。它创建一个Docker容器来打包模型和依赖项。 - RaymondL- MSFT

Answer 2

1. AML实验是我们许多新的ML服务之一，包括数据准备、实验、模型管理和操作化等。Workbench是一个预览产品，为其中的一些服务提供了GUI界面。但它只是一个安装程序/封装器，需要运行CLI。这些服务基于Spark和Python。其他Python框架也可以使用，并且你可以通过一些技巧从Python中调用Java/Scala。不太确定你所说的“Azure ML Service”是什么意思，也许你是指我上面提到的操作化服务。这将快速让你使用Docker容器创建新的基于Python的API，并连接到模型管理帐户以跟踪你的模型和服务之间的关系。所有这些服务都还在预览阶段，可能在GA发布之前进行重大更改。

2. Azure ML Studio是一个较旧的产品，对于一些人来说（比如我自己是工程师而不是数据科学家），它可能更简单。它提供了拖放体验，但数据大小有限制，约为10G。此产品已经GA。

3. 确实如此，但你需要更小的数据集，并且作业流程不是基于Spark的。我使用它来进行快速PoC。此外，与较新的服务相比，你将对得分的可扩展性（批处理或实时）有更少的控制，因为它是PaaS。对于大多数用例，我建议查看新服务而不是studio。

4. Web服务完全基于Docker。需要Docker进行实验更多是为了在本地运行事物，但我自己很少这样做。但对于实时服务，你打包的所有内容都会放入一个Docker容器中，以便部署到ACS集群中。

- Dan Ciborowski - MSFT