问题标签 [azure-machine-learning-service]

解决了为什么我在 Azure 容器实例中部署 ML 模型仍然失败？在 ACI 上部署后，我正在使用 Azure 机器学习服务将 ML 模型部署为 AKS 上的 Web 服务。

我当前（工作）ACI 部署代码是

我想对其进行修改以便部署在 AKS 上，但看起来比我预期的更复杂，因为我想象从 ACI 到 AKS（即从测试到生产）成为例行操作。尽管如此，它似乎需要对代码进行比我想象的更多的更改：

• AKS 似乎需要一个InferenceConfig对象（？）
• 使用 AKS，没有像deploy_from_image从我现有的 Docker 部署的方法image（？）

是否可以通过对 ACI 代码执行最小更改来在 AKS 上完成部署？

所以我正在为 imorting 数据创建流程，因此可以将一些聚合列上传到 Azure Sql 数据库，然后再上传到表格模型。现在我将描述流程，以便有人可以讲述它的优点和缺点。

在这个开发阶段，流程是：

1.

用户将 CSV 文件导入我的 Web 服务（在 ASP.NET CORE 2.1 中）到 Azure Sql 数据库，用于导入我在 .NET Core 中使用 Sql Bulk Library。Web 服务和数据库将位于 azure 的服务器上。部分数据导入大约需要 20 分钟。

2.

数据导入完成后，我将调用 Azure 机器学习 Web 服务，该服务将计算帮助列，以便稍后使用 MDX 查询我可以更轻松、更有效地从表格模型中检索数据。例如，这些帮助栏将告诉用户上个月是否活跃。

3.

当 R 脚本完成计算时，它会使用新列更新 Azure Sql 数据库表。

4.

当数据库中的列更新时，我告诉 Azure 分析服务刷新数据库（不在 .net 核心版本中，因为它不支持 ADOM.NET）所以我创建了另一个 Web 服务（.NET 4.7）所以我可以从网络服务自动刷新它。

5.

所以最后新数据出现在表格模型上，这样我就可以使用带有 ADOM.NET 库的 MDX 查询来获取数据信息。

请告诉我这个流程是否有更好的解决方案。

在有限的 Azure 机器学习工作室中，可以从本地 SQL Server 数据库导入数据。在 Azure 机器学习服务工作区的虚拟机上的 python jupyter notebook 上执行完全相同的操作的能力如何？

从我在文档中找到的内容来看，这似乎是不可能的。Azure ML 服务中的数据源将受到限制：“目前，支持的可注册为数据存储的 Azure 存储服务列表包括 Azure Blob 容器、Azure File Share、Azure Data Lake、Azure Data Lake Gen2、Azure SQL 数据库、Azure PostgreSQL , 和 Databricks 文件系统”

预先感谢您的帮助

我想测试我的服务并为此在本地部署它，直到现在一切正常。但是，由于某些不相关的原因，我被迫删除了所有 docker 映像，从那时起我无法在本地部署该服务。部署后，我收到以下错误：

404 客户端错误：找不到 url：http+docker://localnpipe/v1.39/images/471b7320d98e95ad137228efff17267535936b632a749f817dbee3e9d03cd814/json

并且：

ImageNotFound: 404 Client Error: Not Found ("no such image: 471b7320d98e95ad137228efff17267535936b632a749f817dbee3e9d03cd814: No such image: sha256:471b7320d98e95ad137228efff17267535936b632a749f817dbee3e9d03cd814")

我为部署模型所做的工作：

我理解为什么没有图像存在，但我希望在这种情况下会下载它。

有没有办法强制构建过程重新下载 docker 基础镜像？

提前致谢。

我已经使用 Azure ML 服务在 ACI 上创建了一个部署，它的状态是健康的。
部署时，我设置auth_enabled=True了 ，以便服务需要授权密钥才能响应。

ws我可以通过 Python 控制台在我的 Azure ML 服务工作区中获取该部署的服务身份验证密钥

但是，通过 Azure 门户或 Cloud Shell 访问这些信息会很方便。

在 Azure 门户中（与 AKS 发生的情况不同）没有显示身份验证字段，在通过尝试编辑部署访问高级设置时也是如此：

您能建议访问这些凭据的方法吗？

我正在与希望深入了解他们使用 Azure 机器学习工作室/服务中的可视化界面训练的神经网络模型的数据科学家合作。是否可以转储并检查神经网络模型的内部表示？有没有一种方法可以编写代码来访问经过训练的神经网络的节点和权重，以便将网络可视化为图形结构？或者，如果 Azure 机器学习工作室/服务不支持这一点，我将不胜感激有关可能更适合此类分析的不同机器学习框架的建议。

我尝试过的事情：

• 训练模型输出 ILearnerDotNet (AML Studio) 或模型（AML 服务）。我寻找要拖入工作区的项目，我可以在其中编写自定义代码，例如执行 Python 脚本。他们似乎接受数据集，但不接受 ILearnerDotNet/Model 作为输入。
• 我无法找到有关 ILearnerDotNet/Model 接口的文档。
• 选择训练模型输出提供了另存为训练模型的选项。这将创建一个经过训练的模型对象，这将帮助我在其他地方引用经过训练的模型，但我没有找到一种方法来使用它来了解其内部结构。

我是 Azure 机器学习领域的新手，可以使用一些帮助来了解如何开始访问这些数据。

我正在准备 Azure 机器学习考试，这里有一个问题让我感到困惑。

你正在设计 Azure 机器学习工作流。您有一个包含 200 万张大型数码照片的数据集。您计划检测照片中是否存在树木。您需要确保您的模型支持以下内容：

解决方案：您创建一个实现多类决策丛林模块的机器学习实验。这是否达到目标？

解决方案：您创建一个实现多类神经网络模块的机器学习实验。这是否达到目标？

第一个问题的答案是“否”，而第二个问题是“是”，但我不明白为什么 Multiclass Decision Jungle 不符合目标，因为它是一个分类器。有人可以向我解释原因吗？

我正在寻找一个工作示例，如何从 train.py 脚本中访问Azure 机器学习托管数据存储中的数据。我按照链接中的说明进行操作，我的脚本能够解析数据存储。

但是，无论我尝试过什么 ( as_download(), as_mount())，我总是得到的只是一个DataReference对象。或者，也许我只是不明白如何从文件中实际读取数据。

我正在 Azure 机器学习服务上构建数据转换和训练管道。我想将我安装的变压器（例如 tf-idf）保存到 blob，以便我的预测管道以后可以访问它。

上面的代码将转换器保存到当前运行的文件夹中，该文件夹在每次运行期间动态生成。

我想将转换器保存到 blob 上的固定位置，以便稍后在调用预测管道时访问它。

我尝试使用DataReference类的实例作为PythonScriptStep输出，但会导致错误： ValueError: Unexpected output type: <class 'azureml.data.data_reference.DataReference'>

这是因为PythonScriptStep只接受PipelineData或OutputPortBinding对象作为输出。

我怎样才能保存我安装的变压器，以便以后可以通过任何任意过程（例如我的预测管道）访问它？

是否有用于 Azure 机器学习服务的 Java SDK？如果没有，有没有办法从 Java 代码库创建 Azure ML 管道、实验等？