问题标签 [azureml-python-sdk]

我正在尝试使用带有azureml库的 conda 创建本地开发环境。以下 environment.yml 文件工作正常。

但是此刻，我在 pip installable 下添加了 adlfs，它卡在“安装 pip 依赖项：”几个小时，最后失败了。这也发生了opencensus-ext-azure。

有什么建议么？

是否可以使用 UI、python sdk 和/或 azure CLI将在 Azure ML Studio Designer中创建的管道从一个工作区导出或复制到另一个工作区？如果是这样，怎么做？

编辑：我的设计师似乎没有 DeepDave-MT 在下面显示的“导出到代码”选项。如何启用此功能？

我需要找到所有换行符的表示来规避 AzureML 的设计者造成的问题，如下所示：

因此，这种设计选择通过夸大其记录并在我的管道中创建错误来破坏我的 DF。

我试过这个：

但它不起作用——在我的 DF 中仍然可以找到换行符——我还应该寻找什么？

我正在尝试使用 Jupyter 笔记本在 Azure ML 工作区中创建 ML 模型。我没有使用 Azure 提供的 AutoML 功能或设计器，并且希望运行本地准备的完整代码。

我的 ML 模型中使用了 3 种不同的算法。我很困惑如何将所有对象保存在一个泡菜文件中，以便稍后在“推理配置”和“Score.py”文件中使用？此外，一旦保存，我如何在“Score.py”文件（这是包含驱动程序代码的主文件）中访问它们？

目前我正在使用以下方法：

并访问对象：

不知何故，当我在与整个代码相同的单元格中运行时，此方法可以正常工作。但是当我部署完整的模型时它会抛出错误。

我的“Score.py”文件看起来像这样：

部署时收到的错误是：

任何人都可以帮助我理解问题或找出代码中是否缺少/错误？

将多个算法对象保存在一个泡菜文件中的正确方法是什么？

我在 Azure ML 上将 gridsearchcv 实现为管道，但我不断收到一条错误消息，提示“用户程序因 TerminatedWorkerError 失败：执行程序管理的工作进程意外终止。这可能是由调用函数时的分段错误或由过多的内存使用导致操作系统杀死工作人员。

工人的退出代码是 {SIGKILL(-9)}"

我尝试更改软件包版本，但无法使其正常工作。当我将其作为脚本运行时，该代码运行良好且没有错误，但当我将其作为管道运行时却失败了。

关于如何解决此错误的任何想法？

我正在尝试使用 Python SDK 为 ML Studio 创建一个本地环境，遵循 这个官方备忘单。结果应该是一个可以用于本地测试的类似 conda 的环境。但是，我在使用类的add_conda_package()方法导入 Numpy 包时遇到了错误CondaDependencies()。我尝试不指定以及指定包版本的地方，例如： add_conda_package('numpy')或add_conda_package('numpy=1.21.2')，但似乎没有什么区别。

Numpy 的错误信息很广泛，我尝试了很多建议，但都没有成功。我很感激关于什么可以解决我的问题的任何提示！

完整代码

详细错误信息：

用户程序因 ImportError 失败：

重要提示：请阅读本文以获取有关如何解决此问题的建议！

导入 numpy C 扩展失败。发生此错误的原因有很多，通常是由于您的设置或 NumPy 的安装方式存在问题。

我们在以下位置汇总了一些常见原因和故障排除提示：

请注意并检查以下内容：

• Python 版本是：Python3.8 from "<LOCAL_DIR>.azureml\envs\azureml_>\python.exe"
• NumPy 版本是：“1.19.1”

并确保它们是您期望的版本。请仔细研究上面链接的文档以获得进一步的帮助。

原始错误是：导入 _multiarray_umath 时 DLL 加载失败：找不到指定的模块。

系统规格：

• 本地操作系统：Windows 10
• 机器学习工作室操作系统：Linux Ubuntu 18
• Python版本：3.8

我正在尝试在 Azure 机器学习工作室中手动创建具有数据类型：ModelDirectory 的数据集，以便在推理管道中使用它。我采用了现有的 ModelDirectory 数据集并尝试复制它。一切都相同，除了副本具有数据类型：AnyDirectory，并且无法连接到设计器中 ScoreModel 节点的输入。我如何（在 UI 中手动或更好地以编程方式）从训练模型的输出文件中创建具有 Data Type: ModelDirectory 的 DataSet？

现有数据集： 现有数据集输出：

手动创建的副本数据集： 手动创建的副本数据集输出：

如您所见，两个 DataSet 的输出是相同的。两个数据集之间的唯一区别似乎是“数据类型”属性，尽管在输出视图中，您可以看到两者都有“类型：模型目录”。

我开发了一个带有 AutoML 步骤的管道，并使用生成的工件来注册模型。该工件是一个序列化模型，是一个大的单个文件：model_data。我使用pickle.load函数在评分文件的Init函数中反序列化模型，但在部署过程中失败。当我在主笔记本中解开模型时，它工作正常。这让我发疯。请帮助，伙计们！

AutoML-Pipeline.ipynb

score_file_v_1_0_0.py

AutoML-Pipeline.ipynb

错误：

在笔记本中成功运行：AutoML-Pipeline.ipynb

我正在尝试使用 Python SDK 在 Azure ML 上设置 ML 管道。我已经编写了从 DockerFile 创建自定义环境的脚本，如下所示

但是，ImageBuildDetails该方法返回的对象build在执行最后一行时总是超时wait_for_completion()，......可能是由于我无法更改的网络限制。

那么，我怎样才能通过 SDK 以一种不完全依赖于返回ImageBuildDetails对象的方式检查构建状态呢？

I'm using MS Azure ML and have found that when I start a Notebook (from the Azure ML Studio) it is executing in a a different environment than if I create a Python script and run it from the studio. I want to be able to create a specific environment and have the Notebook use that. The environment that the Notebook seems to run does not contain the packages I need and I want to preserve different environments.