问题标签 [azure-machine-learning-workbench]

是否可以使用 helm 图表将 Azure ML 生成的映像部署到自我管理的 Kubernetes？我们只想消费图像和模型。

我看到当它部署到 AKS 中的推理集群时，Azure ML 设置了某些 ENV 变量。那么，想了解是否有人在自定义 kubernetes 集群上手动完成了此设置，有哪些挑战？

原因是部署到已经由生产团队管理的集群。

因此，我在这里有一个 Azure 机器学习管道，其中包含许多PythonScriptStep任务 - 非常基本。

由于网络问题或其他原因，其中一些脚本步骤会间歇性地失败 - 真的没有什么意外。此处的解决方案始终是在 Azure 机器学习工作室的浏览器界面中简单地触发失败实验的重新运行。

尽管我尽了最大努力，但我还是无法弄清楚如何在脚本步骤对象、管道对象或任何其他 AZ ML 相关对象上设置重试参数。这是任何类型的管道中的常见模式：任务失败一次 - 在确定它实际失败之前重试几次。

请问有人给我指点吗？

编辑：一位乐于助人的用户为此建议了一个外部解决方案，它需要一个 Azure 逻辑应用程序来侦听 ML 管道事件并通过 HTTP 请求重新触发失败的管道。虽然这个解决方案可能对某些人有用，但它只会让您陷入另一个设置、调试和维护另一个外部组件的兔子洞。我正在寻找一个简单的“在任务失败时重试”选项，该选项（IMO）必须被纳入 Azure ML 管道框架，并且希望只是记录不佳。

我使用 azure 机器学习服务 (aml) 来运行 ml 模型。当我转到 AML 的 GUI 时，我可以看到所有现有的管道，但我看不到它们是如何安排的。我需要获取所有已发布的 piplines 和所属的元数据。

如何使用 python sdk 获取有关现有管道的信息？

我使用 pythonscriptstep 方法创建了一个 azure-ML 管道。我可以看到指标记录到各个步骤，如下图所示。

但是当我打开实验时，我无法看到指标（我记录了 input_shape）被记录到运行历史报告中。

任何帮助表示赞赏。

目前，我们正在 azure 机器学习中运行推理服务器。我们希望能够向 prometheus 公开现有指标并创建我们自己的自定义指标，所有这些都将在下面描述

公开现有指标：

我想按状态/平均延迟等细分请求数量...我假设 azure 会在某个地方跟踪它，但我在任何地方都看不到它，即使我想公开它以便普罗米修斯可以刮掉它。

公开自定义指标：

我们的推理代码有许多缓慢的步骤，我们希望能够公开有关此代码每个部分的指标，以便我们可以看到应用程序的哪些部分是瓶颈。

我希望能够从我的在线端点访问 mysql 数据库。为此，我需要能够将密码输入到正在运行的端点中。我想使用本教程中的托管身份从保管库中读取密码。https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-resources-from-endpoints-managed-identities?tabs=system-identity。他们在文档中提供的命令不起作用，因为它找不到资源：

我还尝试列出端点，然后得到一个空白列表：

此功能似乎没有正确实现，我正在寻找解决方法。UI 中是否有我可以看到我的在线端点将使用的托管标识？