在 Azure ML Studio 上部署自定义模型

Question

在 Azure ML Studio 中，我们可以选择许多内置的 ML 模型，例如分类、回归等，我们可以将它们拖放到我们的工作流中。

我的问题是，我可以在 Python 中上传在我的系统上本地构建的自定义 ML 模型，并将其添加到工作流程中吗？

Answer 1

您可以使用 "Execute Python Code" 模块来实现此目的。请参阅此处获取文档：https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/execute-python-script

您可以在那里上传 zip 包文件中的内容。如果您在那里包含训练有素的模型，您可能会很高兴。

Answer 2

获取 model.pkl 文件，将其压缩并上传到 Azure 机器学习工作室。点击左下角的“新建”图标：
在出现的窗格中，单击数据集，然后单击“来自本地文件”：
Select 您存储序列化模型的 zip 文件，然后单击勾号。你过期应该是这样的：
将以下代码放入运行您的分类实验中：

import pandas as pd
import sys
import pickle

def azureml_main(dataframe1 = None, dataframe2 = None):
    sys.path.insert(0,".\Script Bundle")
    model = pickle.load(open(".\Script Bundle\model.pkl", 'rb'))
    pred = model.predict(dataframe1)
    return pd.DataFrame([pred[0]])

更新如果您想将此实验声明为 API，您需要将 Web 输入和输出添加到 Python 脚本模块。

在 Azure ML Studio 上部署自定义模型

Deploying custom model on Azure ML Studio

machine-learning

azure

azure-machine-learning-studio