问题标签 [azure-machine-learning-service]

我正在尝试按照步骤获取一个简单的 Azure ML 管道，其中包含狗与猫数据集 -在此处记录

我的笔记本包含以下内容 -

在设置了数据引用和计算之后，这就是我创建管道的方式 -

执行此步骤后，实验失败，在一堆信息后出现以下错误 -

终端显示我的 conda 环境设置为 azureml_py36，并且 Keras 似乎列在conda list.

我是否正确设置了环境？缺少什么

下载一个包含 90000 个文件的 48GB 数据集需要 1 小时。我正在使用计算目标 p100-nc6s-v2 在 Azure ML 管道上训练图像分割模型。在我的脚本中，我使用 DataReference 的 as_download() 功能访问 Azure Blob 存储。Blob 存储与工作空间位于同一位置（使用 get_default_datastore）。

注意：我可以在几分钟内使用az copy.

当我尝试使用 as_mount() 时，第一个时期非常慢（4700 秒，而后续时期为 772 秒）。

这是预期的行为吗？如果没有，可以做些什么来提高数据集加载速度？

我有一个工作区 A 和一个工作区 B，我希望将模型从工作区 A 复制到工作区 B。

假设模型M_1在工作区 A的版本V_1中。我想在工作区 B 中使用相同的版本V_1注册此模型M_1。

使用注册方法

我无法选择此型号的版本。默认情况下，它将注册模型的版本设置为 1（如果它不存在）或M_2 + 1 如果它已经存在于工作区 B 中。

有解决方法吗？

谢谢！

我将 Azure 机器学习模型部署到 AKS，并且想知道如果部署状态更改为“健康”以外的任何值时如何设置警报。我查看了工作区中的监控指标，但看起来它们与训练过程（模型和运行）和配额更相关。如果您有任何建议，请告诉我

谢谢！

Azure 机器学习 python 包偶尔会在 Databricks 上返回依赖项错误。我正在使用带有azureml-sdk[databricks]PyPi 包的 Databricks 运行时 6.0（非 ML）。特别是，安装时cryptography和pyopenssl包从 2.6.1 和 19.0.0 降级到 1.5 和 16.0.0 azureml-sdk[databricks]。安装另一个具有该要求的包会pyopenssl>=18.0.0成功，就像在 Databricks 集群上单独安装cryptography==2.6.1和pyopenssl==19.0.0单独安装一样，但有时在作业期间会出现如下错误：

并非每次运行作业时都会发生这种情况。我尝试切换安装软件包的顺序，但它仍然间歇性地发生。是否有理由azureml-sdk[databricks]需要一个更低版本的cryptography和pyopenssl比没有它的集群，或者有azureml-sdk？我能做些什么来确保所有依赖项都得到满足？

我已经将模型部署到 ACI 容器，并且有一个可以在 Postman 中或使用 python SDK 命中的端点。我使用 Python 和 Postman 来访问端点，我得到了响应，并且容器实例日志记录了该事件。我现在使用 AZ ML CLI 来运行服务并传入一些硬编码的 JSON：

从 Azure ML CLI 文档：

我运行这个

没有输出或错误。日志不记录任何调用。是否有人使用 Azure CLI ML 扩展以上述方式运行服务？

我想在 azure 上实时部署我的模型，所以我计划创建一个图像，它首先在 azure SQL db 中查询一个 ID 以获取所需的功能，然后使用我的模型进行预测并返回预测结果。我从 PyODBC 库得到的错误是未安装驱动程序

我在azure ML jupyter notebook上尝试建立连接，发现环境本身没有安装驱动。经过一些研究，我发现我应该创建一个 docker 映像并将其部署在那里，但我仍然遇到了相同的结果

('01000', "[01000] [unixODBC][Driver Manager]Can't open lib 'ODBC Driver 13 for SQL Server' : 找不到文件 (0) (SQLDriverConnect)")

我想要查询的结果，而不是收到此消息

我正在使用 Environment 类对管道使用估计器步骤，以便拥有自定义 Docker 映像，因为我需要一些apt-get包才能安装特定的 pip 包。从日志中可以看出，它完全忽略了环境变量的 docker 部分，这与估算器的非管道版本不同。很简单，这似乎坏了：

我在 SDK v1.0.65 上运行，我的 dockerfile 完全被忽略了，我正在使用

在我的代码的 base_dockerfile 属性中。这是我的代码片段：

当我单独使用 Estimator 时，这很有效，但是如果我将这个估计器插入到 Pipeline 中，它会失败。这是我从管道运行中启动它的代码：

启动它时，容器构建服务的日志显示：

这表明它忽略了我FROM mcr....在与此 Estimator 关联的 Environment 类中的声明，并且我pip install失败了。

我错过了什么吗？有解决方法吗？

Azure 资源文档页面的管理和请求配额说明默认配额取决于“您的订阅产品类型”。配额不会显示在 Azure Web 门户中。有没有办法使用 SDK、CLI、REST API 找出当前的配额值？

在云中运行我的 Pytorch Estimator 时，我得到了关于将训练脚本输出保存到名为“./outputs”的文件夹的推荐方法的输出。此文件夹由我的脚本创建，位于提供的正确根文件夹中。它有输出。

但是，估计器在准备容器时返回此信息：启动守护程序线程以在后台刷新令牌以用于 pid = 124 的进程警告：无法导入 azureml.history。输出收集已禁用。

我提供的只是我的训练脚本、conda env.yml 和一个计算目标。

它成功完成了训练脚本，而不是错误。

任何想法为什么我得到这个？