问题标签 [azureml]

我在 Azure 机器学习工作室从事过一个项目。我希望从与机器学习服务帐户链接的存储帐户中推送文件。

我是 Azure 门户的新手。我主要在 Azure 机器学习服务上使用 Jupyter Lab 实例。

我如何将文件从我当前工作的文件夹推送到我的 GitHub 存储库。

我找不到任何可以帮助我将文件从 Azure ML 推送到 GitHub 的文档。

以下先前提出的问题无法解决我的问题：

push-updates-from-azure-to-github和cant-push-to-github-repository-for-azure-project。

我在 Azure blob 中有多个文件。我只想阅读/下载最新的文件。我怎样才能通过python做到这一点。

注意：我使用 azure ML 数据存储连接到 Blob 所在的容器。

当使用 Inference Schema 为我的 AzureML 端点自动生成 swagger 文档时（详见此处和此处），我看到它在我的 input_sample 周围创建了一个包装器。有没有办法不将输入包装在这个“数据”包装器中？

这是我的 score.py 的样子：

我使用 Azure Kubernetes 服务在 Azure ML 工作区中部署了大约 23 个模型（总计 1.57 GB）。对于 AKS 集群，我使用了 3 个 D8sv3 节点，并为最多 6 个节点的集群启用了集群自动缩放。AksWebService 配置有 4.4 核、16 GB 内存。我为 Web 服务启用了 pod 自动缩放，将 autoscale_max_replicas 设置为 40：

我尝试使用 10 个并发用户（使用 JMeter）运行负载测试。并且我监控了集群应用洞察：

我可以看到节点和 Pod 扩展。但是，CPU/内存利用率没有峰值。对于 10 个并发请求，只有 5 到 6 个请求通过，其余的则失败。当我向部署的端点发送单个请求时，会在 7 到 9 秒内生成响应。但是，在负载测试日志中，有很多请求需要超过 15 秒才能生成响应。并且请求花费超过 25 秒，失败并显示状态码 503。max_request_wait_time由于这个原因，我增加了，但是，我不明白为什么尽管计算量如此之大，它会花费这么多时间，并且仪表板显示内存是甚至没有使用 30%。我应该改变replica_max_concurrent_requests参数吗？还是我应该增加autoscale_max_replicas更多？生产中的并发请求负载有时可能会达到 100，有什么解决方案吗？

将不胜感激任何建议。谢谢。

我一直在使用 DEFAULT_GPU_IMAGE 作为 Azure ML 中的基础映像，但现在它 ImportError: libGL.so.1: cannot open shared object file: No such file or directory在导入 opencv 时开始抛出错误。stackoverflow 上的一些答案说我需要在图像上运行 apt-get update 。具体来说：

您知道我在哪里可以找到要添加行的 docker 文件，还是有办法在部署 AKS 服务期间修补映像？（与部署期间可以安装 pip 和 conda 包的方式相同）

我在本地系统上保存了一个现有的机器学习模型。我想将此模型部署为 Web 服务，以便我可以将此模型用作请求-响应，即向模型发送 HTTP 请求并返回预测的响应。

尝试在 AzureML 上部署此模型时，我遇到了一些问题

模型需要在 init() 函数的入口脚本中初始化，但是为了初始化我的模型，我有一个自定义类并且需要加载几个 txt 文件。

下面是初始化模型对象的代码

我不知道如何在入口脚本中导入那些类文件和文本文件

我对天蓝色了解不多，我很难弄清楚这一点。请帮忙。

I'm trying to register a data bricks model tp Azure ML workspace with mlflow.azure.base_image model. But with this method, we can save the Azure ML image to default ACR connected to the Azure ML workspace.

But I want to save the Azure ML image to another existing ACR. Need help in figuring out the design.

The method I'm using is as follows

我正在尝试在 Azure ML 中部署一个模型，并不断从我的 score.py 中获取错误“找不到模型”。所以我决定重新从头开始。我注册了我的自定义环境，并且 Azure ML API for Environment 类似乎没有“删除”或“取消注册”之类的内容。有没有办法解决这个问题？谢谢

背景：似乎有一种方法可以DataPath使用PipelineParameter https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines进行参数化-展示数据路径和管道参数.ipynb

但我想用 PipelineParameter 参数化我的 SQL 查询，例如，用这个查询

我想使用 PipelineParameter 来参数化10和20asparam_1和param_2. 这可能吗？

我想将 azureml-sdk 集成到一些网页中。

但目前我只能找到 azureml-sdk-for-python。

azureml-sdk-for-dotnet/c-sharp 是否有任何版本？

就像https://docs.microsoft.com/en-us/python/api/overview/azure/ml/?view=azure-ml-py