Question

我想将Azure ML Web服务用于Python的非机器学习任务。目标如下：

我有一个像这样的熊猫DF：

   Id   Value
0  111  0.1
1  222  7.3
2  333  3.1
3  444  5.0

我可以成功查询此DF（Id的某一行的值是多少？）：

float(df.loc[pot['Id'] == 222, 'Value'])

现在，我想在Azure ML Web Service中部署一个具有此功能的函数，其中函数使用上载的数据集作为修复查找表。我构造了一个函数，它获取一个Id号作为参数，在pre-uploade数据集中查找值并将其作为float返回：

from azureml import services
import pandas as pd

@services.publish(workspace_id, workspace_token)
@services.types(id=int)
@services.returns(float)
def my_func(id):
    my_df = ws.datasets["uploaded_df.csv"].to_dataframe()
    return float(my_df.loc[cent['Id'] == id, 'Value'])

我可以将它部署在Azure Web服务上，但是当我尝试运行测试查询时它会被卡住（甚至无法窥视细节）。这有什么问题？

Answer 1

让我首先准确描述一下这里发生了什么，以帮助您更好地理解它失败的原因。

@services注释有什么作用？

它实际上是在AML Studio（studio.azureml.net或区域等效物）中使用单个“执行Python脚本”模块构建实验DAG
其内容解压缩您定义的函数并将其应用于传入数据

Workspace对象有什么作用？

它连接到提供的Studio API，可以在“ws.datasets”中使用时提取数据集。

那为什么不起作用？

它不起作用，因为EPS现在在没有网络访问的多租户服务中运行，并且您的功能现在被沙箱阻止（即使您要重新初始化函数内的工作区对象 - 我不知道当http客户端关闭并稍后重新水化时实际发生的事情）

我该怎么办？

您可以添加附加注释以更直接地解决我在此处看到的第一个问题：https://github.com/Azure/Azure-MachineLearning-ClientLibrary-Python/blob/master/azureml/services.py#L68
我个人会将代码复制到Studio并从那里发布Web服务 - 这样您就可以在部署服务之前迭代代码并更快地查看错误消息，这很难诊断

用于查询Pandas数据框架的Azure ML Web服务+ Python

1 个答案: