问题标签 [azureml]

我目前正在尝试安装 azureml-interpret，但我遇到了 shap azureml-interpret 的问题。

跑步时pip install azureml-interpret我得到：

我也尝试过先使用conda install -c conda-forge shap安装 shap 然后尝试安装 azureml-interpret 但我仍然遇到同样的问题

我正在尝试在 Azure ML 中创建一个数据集，其中数据源是 Blob 存储中的多个文件（例如图像）。你如何正确地做到这一点？

这是我按照 UI 中记录的方法得到的错误

当我在 UI 中创建数据集并选择 blob 存储和目录时，dirname在资源管理dirname/**器选项卡中找不到文件时出现错误ScriptExecution.StreamAccess.NotFound: The provided path is not valid or the files could not be accessed.当我尝试在使用选项卡中使用代码片段下载数据时，我得到错误：

当我只选择一个文件而不是dirname或者dirname/**然后一切正常。AzureML 是否真的支持由多个文件组成的数据集？

这是我的设置：

我有一个带有一个容器的数据存储data。testdata里面有一个包含testfile1.txtand的目录testfile2.txt。

在 AzureML 中，我创建了一个数据存储testdatastore，并在其中选择了data我的数据存储中的容器。

然后在 Azure ML 中，我从数据存储区创建一个数据集，选择文件数据集和上面的数据存储区。然后我可以浏览文件，选择一个文件夹并选择应该包含子目录中的文件。testdata/**然后，这会创建如上所述不起作用的路径。

在 python 中创建数据集和数据存储时，我遇到了同样的问题：

我目前在我的 Azure 管道中使用 python 脚本

我的脚本是在本地开发的，在尝试导入 tensorflow 时出现导入错误......没问题，我想我只需要将它添加到某个地方的环境依赖项中——而这里的文档让我失望了。他们似乎在不接触 GUI 的情况下依赖 SDK，但我正在使用设计器。

此时我已经使用依赖项构建了一些环境，但是在运行或脚本级别上使用这些环境对我来说并不明显。

这似乎微不足道，因此非常感谢任何有关使用模块的帮助。

我在 Azure 中创建了一个 train.py 脚本，它使用 XGBoost 进行数据清理、整理和分类部分。然后我创建了一个 ipynb 文件，通过调用 train.py 脚本进行超参数调整。

孩子跑步时不断要求我为每次跑步执行手动交互式登录。请看图片。我进行了多次交互式登录，但它仍然每次都会问我。

这是 ipynb 文件中的代码：

这只是不断询问我每个孩子运行的交互式登录。

尝试提交 Azure ML Studio 管道时出现以下错误

Get credentials or pull docker image failed with err: error response from daemon: get https://lgcrmldev.azurecr.io/v2/azureml/azureml_977f5bda2f6f4f634482661c121c8959/manifests/latest: unauthorized: authentication required, visit https://aka.ms/acr/authorization for more information.

我正在做的笔记本 python 代码是这样的：

最后，

在这最后一步中，我不断收到上述错误。

我的容器注册表在访问控制面板中有我的用户和 Azure ML 资源作为贡献者，所以我不认为它缺乏权限。

我发现这个 Microsoft 页面似乎可以解决我遇到的错误： https ://docs.microsoft.com/en-us/azure/container-registry/container-registry-faq#docker-push -成功但-docker-pull-fails-with-error-unauthorized-authentication-required

但我不明白如何实施建议的修复。这是因为笔记本使用的 Docker 映像位于 Azure ML 中创建的计算实例中，我们的访问权限有限。

关于问题是什么以及如何解决的任何想法？

提前谢谢你，卡拉

在将主成分分析 PCA 应用于我的数据集以实现更好的模型精度之后。13 个特征维度，我使用 PCA 将其减少到 10 个特征。到这里为止一切都很好。

在 WebApp 中实现模型后，它正在构建并且在工作室中看起来很好。

在模型预测的测试阶段，UI 系统不是显示 10 个特征作为输入，而是显示原始特征，即 13，输出显示 10 个特征在此处输入图像描述res 没有任何新的特征名称生成的特征是 10。而且预测在执行后根本不起作用。\

附上截图，请参考。

我正在尝试实施 Azure DevOps 发布管道以在 Azure ML 上部署机器学习模型。我正在使用 6 个任务：

• 使用python版本
• 天蓝色命令行：az extension add -n azure-cli-ml
• 天蓝色命令行：az ml model deploy -g <RG> -w <WS> -n <SN> -f ../metadata/model.json --dc aciDeploymentConfig.yml --ic inferenceConfig.yml --overwrite
• Bash 任务：pip 安装要求。
• Azure CLI：运行一些集成测试。
• 发布测试结果。

我的管道在部署任务上失败，并出现错误：
Conflict of operation, another operation on same entity is already running in workspace mlops-wrksp.
Script failed with exit code: 1
没有其他管道正在运行，我正在使用 Microsoft 托管的代理。

调用 drop.duplicate 函数时出现此错误：

这是train.py代码的一部分

我正在从 azureml studio 中的数据集中获取数据。job.py 文件用于运行实验：

我正在尝试在 azureml 中运行机器学习实验。

我不知道如何从控制脚本中获取工作区上下文。microsoft 文档中的此类示例使用 Workspace.from_config()。当我在控制脚本中使用它时，出现以下错误：

"message": "我们在 [path] 或其父目录中找不到 config.json。请提供配置文件的完整路径或确保 config.json 存在于父目录中。"

我也尝试过包括我的订阅 ID 和资源规格，如下所示：

在这种情况下，我必须像在本地一样监控日志并在每次运行时进行身份验证。

如何从 azureml 的控制脚本中获取本地工作区？

我在 Azure 上部署了一个 huggingface ML 模型，现在我尝试使用 Python SDK 选择它。

我正在尝试这个：

现在，services是一个包含两个模型的列表，但是services_filtered是一个空列表。我在这里做错了什么？

当然，之后我可以使用名称选择正确的，但这似乎不正确。