我在Python anaconda Spyder中创建了一个数据科学神经网络。我的项目有多个.py文件，我已经训练了这个模型10天，并生成了权重。我想将此模型用作服务，并希望将其部署到Azure以供使用。我试过跟随但面临困难 -
1）我尝试将其部署为＆＃34;执行Python脚本＆＃34;在Azure ML工作室，但我没有找到上传权重的选项。我知道我可以压缩所有.py文件，但是训练有素的权重和虚拟环境（我使用旧版本的tensorflow）呢？
2）我看到了创建Jupyter笔记本的选项，但我的项目是在Spyder中创建的，并没有.ipynb文件。有没有办法将我的.py文件转换为.ipynb文件？另外，我创建了一个旧版本的tensorflow和python版本的虚拟环境？在部署到azure时如何处理这个问题？
3）我尝试将其部署到azure作为python web应用程序，但我又如何处理虚拟环境和现有权重？另外，如何创建webapp所需的配置或依赖文件？
请尽可能让我知道将此解决方案部署到天蓝色的最佳方法吗？
由于
答案 0 :(得分：0)
我无法帮助你，因为你似乎不熟悉它，而且很难用语言来表达。
首先，你保存了训练有素的模特吗？如果已保存，则可以上载保存的模型并在部署后重新加载。
其次，您不需要使用jupyter笔记本，这在您的情况下毫无意义。
第三，你不需要自己创建virtualenv。您只需提供requirements.txt文件即可指定所需的所有软件包。 Azure网络应用程序将自动创建virtualenv并安装requirements.txt中的每个包。
最后，如果你想要解决这个问题，首先应该从一些simple example开始。
答案 1 :(得分：0)
根据您的描述，听起来您希望将训练有素的tensorflow模型部署为Azure ML Studio上的Execute Python Script模块，并将其作为Web服务发布以供使用。
因此，如果没有考虑到tensorflow CPU的兼容性 - 只是代码，正如你所说，你可以参考官方文档Execute Python machine learning scripts in Azure Machine Learning Studio和SO线程Updating pandas to version 0.19 in Azure ML Studio来压缩所有文件和依赖项包含.py个文件，并将您导出的训练模型作为只读文件来设置Azure document描述的Azure网络服务。
或者有类似的帖子How to deploy a tensorflow model to azure ml workbench将模型保存为protobuf以供消费。
但是，使用Azure GPU Machine或Docker进行部署的一些解决方法对于该方案来说很简单。请参阅这些Train a TensorFlow model in the cloud和TensorFlow on Docker with Microsoft Azure Container Services。
希望它有所帮助。