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（线性回归计算等等）进行一些计算。这一切都很好。
我已经部署了这个实验，现在想从我的应用程序的前端向它抛出数据。API 调用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。有时是 20 秒，有时只有 1 秒。我什至一次将它降低到 100 毫秒（这是我想要的），但 90% 的请求需要超过 20 秒才能完成，这是不可接受的。
我想这与它仍然是一个实验有关，或者它仍然处于开发阶段，但我找不到让它在更快的机器上运行的设置。
有没有办法加快我的执行速度？
编辑：澄清：使用相同的测试数据获得不同的时间，只需多次发送相同的请求。这使我得出结论，这一定与我的请求被放入队列有关，有一些启动延迟，或者我以其他方式受到限制。
首先，我假设您正在发布的 AML 端点上进行时间测试。
当调用 AML 时，第一次调用必须预热容器。默认情况下，Web 服务有 20 个容器。每个容器都是冷的，一个冷的容器会导致很大的（30 秒）延迟。在 AML 端点返回的字符串中，只计算isWarm标志设置为 true 的请求。通过使用许多请求（相对于您正在运行的容器数量）破坏服务可以使您的所有容器变暖。
如果您要向一个实例发送数十个请求，则端点可能会受到限制。您可以通过访问 manage.windowsazure.com/ 来调整端点可以接受的呼叫数量
通过在端点上启用调试，您可以获得有关每个模块完成执行时间的日志。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 模块时会有开销，但我希望这个请求能在 3 秒内完成。