标签: azure-machine-learning-service

当我尝试通过 GPU 计算集群上的工作室运行自动化机器学习时，遇到以下错误：

错误：AzureMLCompute 作业失败。JobConfigurationMaxSizeExceeded：指定的作业配置超出允许的最大大小 32768 个字符。请减少作业命令行参数和环境设置的大小

尝试运行是在文件存储中注册的表格数据集上运行，并且是一个简单的回归案例。奇怪的是，它与我用于其他管道的 CPU 计算实例配合得很好。我已经能够使用它运行几次，并想升级到集群，结果却遇到了这个错误。我在网上发现可能是有以下设置的情况： AZUREML_COMPUTE_USE_COMMON_RUNTIME:false; 但当我从网络工作室运行时，我不确定将其放在哪里。

我想导出在 Azure 机器学习工作室中创建的机器学习模型。所需输入之一是“以容器开头的 blob 路径”

我如何找到这条路径？我已经创建了一个 blob 存储，但我不知道如何找到 blob 存储的路径。

我将 Azure 机器学习服务与 azureml-sdk python 库一起使用。

我正在使用 azureml.core 版本 1.0.8

我正在关注这个https://docs.microsoft.com/en-us/azure/machine-learning/service/how-to-create-your-first-pipeline教程。

当我使用 Azure 计算资源时，我已经让它工作了。但我想在本地运行它。

我收到以下错误

raise ErrorResponseException(self._deserialize, response)
azureml.pipeline.core._restclients.aeva.models.error_response.ErrorResponseException: (BadRequest) Response status code does not indicate success: 400 (Bad Request).
Trace id: [uuid], message: Can't build command text for [train.py], moduleId [uuid] executionId [id]: Assignment for parameter Target is not specified

我的代码看起来像：

run_config = RunConfiguration()
compute_target = LocalTarget()
run_config.target = LocalTarget()    
run_config.environment.python.conda_dependencies = CondaDependencies(conda_dependencies_file_path='environment.yml')
run_config.environment.python.interpreter_path = 'C:/Projects/aml_test/.conda/envs/aml_test_env/python.exe'
run_config.environment.python.user_managed_dependencies = True
run_config.environment.docker.enabled = False

trainStep = PythonScriptStep(
    script_name="train.py",
    compute_target=compute_target, …

我使用 user1 在 Azure 机器学习计算中创建了一个计算实例“yhd-notebook”。当我使用 user2 登录并尝试打开此计算实例的 JupyterLab 时，它显示如下错误消息。

用户 user2 无权访问计算实例 yhd-notebook。

只有创建者才能访问计算实例。

单击此处退出并使用其他帐户重新登录。

是否可以与其他用户共享计算实例？顺便说一句，user1 和 user2 都拥有 Azure 订阅的所有者角色。

是否可以将多节点 Dask 集群用作PythonScriptStepAML 管道的计算？

我们有一个PythonScriptStep使用featuretools's 的深度特征合成 ( dfs) ( docs )。ft.dfs()有一个n_jobs允许并行化的参数。当我们在一台机器上运行时，这项工作需要三个小时，而在 Dask 上运行得更快。如何在 Azure ML 管道中实施此操作？

我的本地系统上保存了一个现有的机器学习模型。我想将此模型部署为 Web 服务，以便可以将此模型用作请求响应，即向模型发送 HTTP 请求并获取预测响应。

当尝试在 AzureML 上部署此模型时，我遇到了一些问题

该模型需要在 init() 函数中的入口脚本中初始化，但为了初始化我的模型，我有一个自定义类，并且需要加载几个 txt 文件。

下面是初始化模型对象的代码

from model_file import MyModelClass  # this is the file which contains the model class

def init():
  global robert_model

  my_model = MyModelClass(vocab_path='<path-to-text-files>',
                          model_paths=['<path-to-model-file>'],
                          iterations=5,
                          min_error_probability=0.0,
                          min_probability=0.0,
                          weigths=None)
def run(json_data):
  try:
    data = json.loads(json_data)
    preds, cnt = my_model.handle_batch([sentence.split()])
    return {'output': pred, 'count': cnt}
  except Exception as e:
    error = str(e)
    return error

我不知道如何在入口脚本中导入那些类文件和文本文件

我对蔚蓝了解不多，而且很难弄清楚这一点。请帮忙。

当我使用 AzureML jupyter 时，我使用 (./folder_name) 将文件保存到同一目录。现在如何下载到本地计算机或 Blob 存储？

该文件夹中有很多文件和子目录，这是我在网上抓取的。所以一一保存不太现实。

file_path = "./"

for i in target_key_word:
    tem_str = i.replace(' ', '+')
    dir_name = file_path + i
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
    else:    
        print("Directory " , dir_name ,  " already exists")

因此，我这里有一个 Azure 机器学习管道，其中包含许多PythonScriptStep任务 - 实际上非常基本。

其中一些脚本步骤由于网络问题或其他问题而间歇性失败 - 确实没有什么意外。这里的解决方案始终是在 Azure 机器学习工作室的浏览器界面中简单地触发失败实验的重新运行。

尽管我尽了最大努力，但仍无法弄清楚如何在脚本步骤对象、管道对象或任何其他 AZ ML 相关对象上设置重试参数。这是任何类型的管道中的常见模式：任务失败一次 - 在确定它实际上失败之前重试几次。

有人可以指点我吗？

编辑：一位乐于助人的用户对此提出了一种外部解决方案，该解决方案需要一个 Azure 逻辑应用程序来侦听 ML 管道事件并通过 HTTP 请求重新触发失败的管道。虽然这个解决方案可能对某些人有用，但它只会让您陷入另一个设置、调试和维护另一个外部组件的兔子洞。我正在寻找一个简单的“任务失败时重试”选项，（IMO）必须将其纳入 Azure ML 管道框架中，并且希望只是记录很少。

我是Azure ML的新手。我有一些疑问。有人可以澄清下面列出的我的疑问。

1. Azure ML服务Azure ML实验服务之间有何区别？
2. Azure ML工作台和Azure ML Studio有什么区别。
3. 我想使用azure ML实验服务来构建一些模型并创建Web API。是否可以使用ML studio做同样的事情。
4. 而且ML实验服务还要求我安装用于创建Web服务的Windows泊坞窗。我可以在不使用docker的情况下创建Web服务吗？

是否可以使用 UI、python sdk 和/或 azure CLI 将Azure ML Studio Designer中创建的管道从一个工作区导出或复制到另一个工作区？如果是这样，怎么办？

编辑：我的设计器似乎没有 DeepDave-MT 下面显示的“导出到代码”选项。我如何启用此功能？