我做了一个Azure机器学习实验，它采用一个小数据集（12x3数组）和一些参数，并使用一些Python模块进行一些计算（线性回归计算等等）。一切正常。
我已经部署了实验，现在想从我的应用程序的前端向它投掷数据。 API调用会进入并返回正确的结果，但计算简单的线性回归最多需要30秒。有时它是20秒，有时只有1秒。我甚至一次将它降低到100毫秒（这是我想要的），但90％的时间请求完成时间超过20秒，这是不可接受的。
我想这与它仍然是一个实验有关，或者它仍然在开发槽中，但我找不到设置让它在更快的机器上运行。
有没有办法加快执行速度？
编辑：澄清：使用相同的测试数据获得不同的时序，只需多次发送相同的请求即可。这让我得出结论，它必须与我的请求被放入队列有关，有一些启动延迟或者我以某种其他方式受到限制。
答案 0 :(得分：8)
首先，我假设您正在对已发布的AML端点进行时序测试。
当呼叫AML时，第一次呼叫必须预热容器。默认情况下，Web服务有20个容器。每个容器都是冷的，冷容器会导致很长（30秒）的延迟。在AML端点返回的字符串中，仅计算isWarm标志设置为true的请求。通过使用MANY请求粉碎服务（相对于您运行的容器数量），可以使所有容器变暖。
如果您发送了几十个实例请求，端点可能会受到限制。您可以通过访问manage.windowsazure.com /
来调整您的终端可以接受的呼叫数量通过在端点上启用调试，您可以获取有关每个模块的执行时间的日志。您可以使用它来确定模块是否未按预期运行，这可能会增加时间。
总的来说，使用Execute python模块时会产生开销，但我希望这个请求能在3秒内完成。