在Azure ML Studio上部署自定义模型

Question

在Azure ML Studio中，我们可以选择一些内置的ML模型，例如分类，回归等，可以将其拖放到工作流中。

我的问题是，我可以用Python上传在本地系统上构建的自定义ML模型，并将其添加到工作流程中吗？

Answer 1

您可以使用“执行Python代码”模块来实现此目的。有关文档，请参见此处：https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/execute-python-script

您可以在其中以zip捆绑文件上传内容。如果在其中加入训练有素的模型，那可能会很好。

Answer 2

1. 获取model.pkl文件，将其压缩，然后将其上传到Azure Machine Learning Studio。点击左下方的“新建”图标：
2. 在出现的窗格中，单击数据集，然后单击“来自本地文件”：
3. 选择存储序列化模型的zip文件，然后单击对勾。您的到期应如下所示：
4. 输入以下代码以运行分类实验：

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，则需要将Web输入和输出添加到Python脚本模块。