问题标签 [azureml]

• 我正在尝试从 Blob Storage 读取文件，加载到 pandas 并将其写入 BlobStorage

• 我有一个带有 PythonScriptStep 的 Azure 机器学习管道，它采用 2 个 PipelineParameters 并且是如下的 DataPath。

这是使用的脚本（SimpleTest.py）：

从 AzureDataFactory 触发此 AzureMLipeline：
通过在 AzureMLWorkspace/PipelineSDK 中执行 ML 管道，上述代码可以正常工作。我正在尝试从 AzureDataFactory(AzureMachineLearningExecutePipeline) 活动触发 AzureMLpipeline，如下所示

通过传递 2 个字符串输入路径rawdatapath = "samplefolder/raw/alerts/2017/05/31/test.csv"
cleandatapath = "samplefolder/raw/cleaned/2020/09/03/"尝试调试运行如下

它表明采用默认路径而不是管道参数（没有这样的文件或目录错误不太重要，因为要点是采用默认路径而不是管道参数）。我怀疑它是因为将管道参数作为字符串而不是数据路径传递。


最后的问题：如何将数据路径从 Azure 数据工厂传递给 AzureMLipelineActivity？

谢谢。

我正在通过脚本文件提交培训。以下是train.py脚本的内容。Azure ML 将所有这些视为一次运行（而不是按照下面编码的每个 alpha 值运行），因为Run.get_context()它返回相同的运行 ID。

火车.py

实验视图

编写代码（即控制平面）

在 Azure ML 中创建了一个新的计算实例并训练了一个没有任何问题的模型。我想画一个pairplot使用seaborn，但我不断收到错误"ImportError: No module named seaborn"

我跑了!conda list，我可以在列表中看到 seaborn

我正在尝试使用 AzureML环境的 .yaml 文件列出 conda 依赖项。我不想仅仅为了一些变化而使用自定义 docker 图像。我想知道是否有办法指示构建使用 .yaml 文件运行 python 命令。以下是我目前尝试过的摘录：

我也试过这个：

我对 yaml 规范不太清楚。两种规范均失败，并在构建日志中分别显示以下消息：
“无法安装命令包。”
“无法为 python 安装包。”

我正在尝试通过 sdk 安装数据存储，类似这样

代码在计算实例上运行良好。但是，我想在我的本地机器上做同样的事情。由于它是一台 Windows 机器，我尝试通过 VSCode 在 AzureML Docker 容器中运行它。安装实现似乎需要 libssl1.0.0 才能运行。好的，这在 Ubuntu >= 18.04 中不可用。好吧，我在 Ubuntu 16.04 中使用了另一个 dockerfile，但这并没有帮助。我在本地 Linux 安装上尝试过，但同样的问题。

有人找到在本地机器上挂载 AzureML-Datasets 的解决方案吗？这个 libssl1.0.0 要求是在代码中硬编码的地方吗？不好的是源代码在 GitHub 上不可用，否则我会打开一个问题。无论如何，有人对此有解决方案吗？

最好的斯蒂芬

我正在尝试使用 azureml-sdk 使用以下代码将 CSV 文件中的内容读入 Spark DataFrame，但抛出异常。

代码抛出异常

例外

但是，我可以使用以下代码读取和打印数据，即 create as Pandaa DataFrame。

工作代码

如何从 Azure 数据工厂触发我的 Azure 机器学习笔记本工作区中的笔记本

当我的 Azure 存储帐户发生更改时，我想在我的 Azure ML 工作区中运行一个笔记本。

我想用我在 azure ml 上预训练和保存的模型创建一个实验。使用此模型时，我收到此错误：

它可能与已安装的库有关，但是，我不知道如何修复它。这是代码：

希望有人可以提供帮助。

我们在 Azure 中是否有类似 GCP 链接中提供的方法？ https://cloud.google.com/ai-platform/training/docs/custom-containers-training

提前感谢您的帮助。

我目前正在尝试将当前部署为 AzureML 上的 Web 服务的 ML 模型与 PowerBI 集成。

我看到它可以集成，但模型在部署为 webservice时需要添加模式文件。没有这个，模型就无法在 PowerBI 中查看。

我遇到的问题是我使用 MLflow 记录 ML 模型的性能，然后使用 MLflow 的 AzureML 集成 - mlflow.azureml.deploy() 将选定的模型作为 Web 服务部署到 AzureML。不幸的是，在部署模型之前没有定义架构文件的选项，因此导致 PowerBI 中没有可用的模型，因为它缺少所需的架构文件。

我的选择似乎是：

1. 找到一种解决方法，可能在 power query 中使用模型的工作 REST api。
2. 在 Azure 而不是 MLflow 中重写部署代码并处理 Web 服务部署步骤。

我想我会问我是否遗漏了一些东西，因为在使用 mlflow.azureml.deploy() 部署时，我找不到使用当前代码在 MLflow 中定义模式文件的解决方法。