在部署 Azure 机器学习实验服务时包括额外的脚本

Question

训练我的模型时，我开始使用的数据由 json 行数据和我想从该 json 数据中预测的预期值组成。 json 数据遵循我部署的服务接收输入的模式。在训练之前，我 运行 一些 python 函数来转换数据并提取根据原始 json 数据计算的特征。这是我的模型训练的转换数据。

我提取了代码以将 json 数据转换为我的模型期望的输入到一个单独的 python 文件中。现在，我想让我的评分脚本使用那个 python 脚本来准备发送到服务的输入，然后再将其输入我的训练模型。

在使用 cli 命令部署我的服务时，有没有办法将数据转换脚本与评分脚本包括在一起：

az ml service create realtime 
    -f <scoring-script>.py 
    --model-file model.pkl 
    -s service_schema.json 
    -n <some-name> 
    -r python 
    --collect-model-data true 
    -c aml_config\conda_dependencies.yml

（为清楚起见，在上述命令中添加了新行）

我想出的两种方法是：

• 创建我自己的包含转换脚本的基础 docker 图像，并将该图像用作我的服务的基础。如果我需要为以后的模型进行类似（但不同）的数据转换，似乎有点麻烦。
• 将转换脚本与我的评分脚本连接到一个文件中。好像有点hacky.

是否有另一种方法可以实现我的目标，即在训练和评分中使用单独的数据转换脚本？

Answer 1

因此 运行 az ml service create realtime -h 提供了有关 -d 标志的信息。

-d : Files and directories required by the service. Multiple dependencies can be specified with additional -d arguments.

请尝试使用此标志并提供您也想从 score.py

中调用的附加 python 文件