标签: azure-machine-learning-service

如果依赖中存在无法解决的冲突，Pip 安装就会陷入无限循环。重现，pip==20.3.0以及：

pip install pyarrow==2.0.0 azureml-defaults==1.18.0

非常不言自明的问题。我什么时候应该使用 Azure ML Notebooks 和 Azure Databricks？我觉得\xe2\x80\x99s这两种产品之间有很大的重叠，其中一种产品的营销肯定比另一种更好。

I\xe2\x80\x99m 主要寻找有关数据集大小和典型工作流程的信息。如果我没有面向 Spark 的工作流程，为什么应该使用 Databricks 而不是 AzureML？

谢谢 ！

我正在尝试使用工作区中的对象在Azure VM 本地在Azure Machine Learning服务中提交实验，如下所示：ScriptRunConfigws

from azureml.core import ScriptRunConfig    
from azureml.core.runconfig import RunConfiguration
from azureml.core import Experiment

experiment = Experiment(ws, name='test')
run_local = RunConfiguration()

script_params = {
    '--data-folder': './data',
    '--training-data': 'train.csv'
}

src = ScriptRunConfig(source_directory = './source_dir', 
                      script = 'train.py', 
                      run_config = run_local, 
                      arguments = script_params)

run = experiment.submit(src)

但是，这样做失败

ExperimentExecutionException：{“ error_details”：{“ correlation”：{“ operation”：“ bb12f5b8bd78084b9b34f088a1d77224”，“ request”：“ iGfp + sjC34Q =”}，“ error”：{“ code”：“ UserError”，“ message”： “无法反序列化运行定义”

更糟糕的是，如果我将数据文件夹设置为使用数据存储（可能需要这样做）

script_params = {
    '--data-folder': ds.path('mydatastoredir').as_mount(),
    '--training-data': 'train.csv'
}

错误是

UserErrorException：runco​​nfigs不支持具有非本地python类型值的字典。
{'-数据文件夹'：$ …

我正在尝试在 VS Code 中为 Azure 设置虚拟环境。我已经安装了所需的软件包，例如，azureml-core和azureml-widgets。azureml-dataset-runtime两者azureml-core都azureml-widget工作正常，但是，尽管我安装了它，但我仍然收到缺少所需软件包的错误azureml-dataset-runtime。

我安装了 Python 3.7 和 Python 3.8，均为 64 位，我在虚拟环境中尝试了它们，但仍然没有成功。

有什么建议么？

我使用 python sdk (azureml-sdk) 在我的工作区中创建实验。我现在有很多“测试”实验在我们的工作空间中随处可见。如何通过 api 或门户删除单个实验。我知道我可以删除整个工作区，但有一些我们不想删除的好实验

https://docs.microsoft.com/en-us/azure/machine-learning/service/how-to-export-delete-data#delete-visual-interface-assets表明这是可能的，但我的工作区视图看起来不像那里显示的东西

在 VS Code 中，当我尝试运行以下命令进行登录时

我收到以下错误消息并且无法登录

我有一个模型，我用管道注册了它：

register_step = PythonScriptStep(name = "Register Model",
                                source_directory = training_folder,
                                script_name = "register_model.py",
                                arguments = ['--model_folder', model_folder],
                                inputs=[model_folder],
                                compute_target = pipeline_cluster,
                                runconfig = pipeline_run_config,
                                allow_reuse = True)

这是我的 register_model.py：

import argparse
import joblib
from azureml.core import Workspace, Model, Run

# Get parameters
parser = argparse.ArgumentParser()
parser.add_argument('--model_folder', type=str, dest='model_folder', default="model", help='model location')
args = parser.parse_args()
model_folder = args.model_folder

# Get the experiment run context
run = Run.get_context()

# Load the model
print("Loading model from " + model_folder)
model_file = model_folder + …

如何从 Azure 机器学习工作区删除环境？我可以创建并列出它们，但不知道如何删除它们？

我想安排 azure 机器学习计算实例，以便我可以在周末等非工作时间停止它们，带有 runbook 的 azure 自动化解决方案似乎通常适用于 VM，但不适用于 azure ML。该解决方案可以是脚本或机器学习管道。

我读了很多关于开源法学硕士的文章，随着最近发布的 Llama 2，我有一个问题。

由于 Llama 2 现在位于 Azure 上，作为外行/新手，我想知道如何在 Azure 上实际部署和使用该模型。我想为 Llama 2 创建一个实时端点。我看到 VM 的最小值。每小时 6 美元，我可以部署 Llama 2 7B...其成本让我感到困惑（虚拟机是否持续运行？）。

有谁知道如何部署以及在 Azure 上运行 Llama 2（例如 7B）需要多少费用？

我尝试通过 Azure AI ML studio 在 Azure 上部署实时 Llama 2 7B 端点。对部署此类模型端点的正确方法感到困惑。