问题标签 [azure-machine-learning-service]

我有一个使用 Azure ML 工作区的 autoML 功能训练的 StackEnsemble 模型。当我尝试将其部署为 Web 服务时，我收到如下错误 (CrashLoopBackOff)。现在，我强烈怀疑它与模型本身/它需要的依赖关系有关。当我将 score.py 中的模型名称交换为另一个模型名称时，它不是 StackEnsemble（带有缩放器），而只是一个普通的 XGBoost，然后创建的服务没有问题。

我有以下问题： - 我如何找出 StackEnsemble 中的模型/算法，以便正确构建容器/依赖项列表？- 有什么方法可以找出那里的实际错误是什么？我的意思是除了创建我的本地容器并在那里调试它......我尝试根据文档使用 service.get_logs() 获取日志，但那里什么都没有，只有最后 5 行没有指出任何问题。

请指教。

我在使用自定义 docker 映像部署模型时遇到问题。部署失败，因为所需的包不在“默认”环境中，我需要指定一个自定义的。("/miniconda/envs/py37/bin/python")

我想将堆叠模型部署到 Azure 机器学习服务。该解决方案的架构由三个模型和一个元模型组成。数据是时间序列数据。

我希望模型根据一些时间表自动重新训练。我还想在每次重新训练期间重新调整超参数。

AML 服务提供HyperDriveStep了可在管道中用于自动超参数优化的类。

是否有可能 - 如果可以，如何做到 -HyperDriveStep与时间序列 CV 一起使用？

我检查了文档，但没有找到令人满意的答案。

使用 AzureML 服务，如何使用 Horovod 在多个节点上为 keras 深度学习转储不同时期的正确损失曲线或准确度曲线？

使用 Horovod 和 AzureML 的 Keras 深度学习的 Loss vs epochs plt 似乎存在问题。

使用 Keras/Horovod（2 个 GPU）和 AMLS SDK 训练 CNN 生成奇怪的图形

在我们公司，我使用 Azure ML，但遇到以下问题。我用 PyTorch 估计器类指定一个conda_requirements.yaml文件，就像这样（...是占位符，所以我不必输入所有内容）：

conda_requirements.yaml （pip 部分的缩短版本）如下所示：

这在 Azure 上成功构建。现在为了在这种情况下重用生成的 docker 映像，我使用custom_docker_image参数传递给

但是现在 Azure 似乎以某种方式再次重建了图像，当我运行实验时它无法安装 Torch。所以它似乎只安装了 conda 依赖项而不是 pip 依赖项，但实际上我不希望 Azure 重建映像。我能以某种方式解决这个问题吗？

我试图以某种方式从我的 Docker 文件构建一个 docker 映像，然后添加到注册表中。我可以进行 az login 并根据https://docs.microsoft.com/en-us/azure/container-registry/container-registry-authentication我也应该能够进行 acr 登录和推送。这不起作用。即使使用来自

然后做一个

不起作用。即使我使用了错误消息，也需要身份验证

成功地。除了如何在使用 Azure ML 时重用 docker 映像之外，如果有人可以向我解释这一点，我也会很高兴。谢谢！

我最近开始使用 azure for ML 并尝试使用机器学习服务工作区。因为我需要使用 GPU 上的图像训练 NN，所以我已经设置了一个工作区，其中计算集为 NC6s-V2 机器。

问题是训练仍然在 CPU 上进行——日志说它无法找到 CUDA。这是运行我的脚本时的警告日志。任何线索如何解决这个问题？

我还在估计器的 conda packages 选项中明确提到了 tensorflow-gpu 包。

这是我的估算器代码，

计算目标是根据 github 上的示例代码制作的：

这是它无法使用 GPU 的警告：

根据日志，它当前正在使用 CPU。任何线索如何解决这里的问题？

我们使用 AzureML notebook 通过 ImageAI 进行对象检测。我们在 Azure VM 上放置了一个虚拟机。它有一个 IP（如果需要，可以说 104.45.19.XXX）

我们需要从 AzureVM 上此文件夹中的移动应用程序上传的文件夹中读取一些文件：C:\inetpub\ftproot\

一个示例文件夹是：C:\inetpub\ftproot\ID1 1565636032150 1 - 其中 long 数字是从 1970 年开始的毫秒数，最后 1 是许多图片。

我们尝试通过按钮 Jupyter => [菜单项] Azure => 连接到 Azure => 授予访问权限从 AzureML 进行连接

然后我们得到一个窗口，显示消息：AADSTS90002: Tenant 'null' not found。如果租户没有活动订阅，则可能会发生这种情况。请咨询您的订阅管理员。

1）我们如何从 AzureML 笔记本连接到 AzureVM，因为这种方法应该像我们一样工作：AzureML 和 AzureVM？

2) [可选] 那么我们如何检查正在创建的新文件夹？

谢谢，埃里克

我使用 python sdk (azureml-sdk) 在我的工作区中创建实验。我现在有很多“测试”实验在我们的工作空间里乱扔垃圾。如何通过 api 或门户网站删除单个实验。我知道我可以删除整个工作区，但是我们不想删除一些好的实验

https://docs.microsoft.com/en-us/azure/machine-learning/service/how-to-export-delete-data#delete-visual-interface-assets表明这是可能的，但我的工作区视图看起来不任何像那里显示的东西

关于 Web 服务部署/安全性，我对 Azure ML 服务有疑问。你能帮我解决这些问题吗：

• 默认情况下，已发布的 Web 服务 URI 是可公开寻址的，无需任何身份验证。保护这些 Web 服务的最佳实践是什么？
• 从无人参与的流程（如 Web 服务、DevOps 等）进行身份验证时，有哪些用于身份验证的选项/最佳实践？Azure ML 服务似乎不支持托管标识。应用注册？其他？

我在所有 AML 工作区中使用共享存储帐户。我在每个工作区上注册此存储帐户，并在针对 AML 计算时使用它来共享数据和库。要安装一个私有的python wheel，我们目前必须在本地下载包并使用Environment.add_private_pip_wheel上传它并检索包的远程url。我想知道是否有办法在共享存储帐户中传递对包的引用，而不必将其移动到默认工作区存储帐户。

我试图将pip_packages 依赖参数中的完整 blob url（例如https://mystorageaccount.blob.core.windows.net/mypackage.whl ）传递给 TensorFlow 估计器类，但实验执行失败并出现 404 错误：指定的url https://mystorageaccount.blob.core.windows.net/mypackage.whl的资源不存在

由于存储帐户已在工作区中注册，因此我希望能够直接（使用上面的代码）从共享存储帐户将私有包安装到 AML 计算中，而无需在本地下载它然后调用 Environment.add_private_pip_wheel 函数。

相反，我收到以下错误并且实验失败：

（来自 -r /azureml-environment-setup/condaenv.kc80np3o.requirements.txt（第 1 行））因为 HTTP 错误 404 客户端错误：指定的资源不存在。对于网址：https ://mystorageaccount.blob.core.windows.net/mypackage.whl ...

CondaValueError：pip 返回错误