1

我已经能够使用图像配置方法成功托管模型

service = Webservice.deploy_from_model(workspace=ws,
                                   name='name_of_model',
                                   deployment_config=aciconfig,
                                   models=[model],
                                   image_config=image_config)

但是，此方法将与环境方法一起被弃用

因此，我尝试在弃用消息中使用下面建议的环境方法。但我总是超时。它永远不会像旧的容器方法那样成功部署

如何使用环境 - Microsoft Azure ML

基于我的环境的部署代码

我的代码在下面，inference_config 指向 score.py，deployment_config 指向容器的规格。我可以看到服务被创建并且模型被上传。但服务永远不会进入“健康”状态。然而，容器部署模型中的相同代码可以正常工作。

service = Model.deploy(
workspace = ws,
name = "name_of_model",
models = [model],
inference_config = inference_config,
deployment_config = deployment_config)

Azure ML 提供的现有环境中的我的 env 配置

my_env=Environment.get(workspace=ws,name='AzureML-Scikit-learn-0.20.3') # using Azure Optimized sklearn environment

这个环境在推理配置中被引用

inference_config = InferenceConfig(entry_script="scorev3.py", environment=my_env) # using the initialized variable my_env

关于为什么我在部署这个时超时的任何线索？我当然觉得它与互联网连接无关，因为旧方法需要类似的长时间（10-12 分钟）才能部署并且完美？

4

0 回答 0