标签: azure-machine-learning-studio

我正在执行以下步骤以将R Hash_2.2.6.zip包安装到Azure ML上

1. 将.zip文件上载为数据集
2. 创建一个新实验并添加"执行R脚本"进行实验
3. 将.zip文件数据集拖放到实验中.
4. 将步骤3中的数据集连接到步骤2的"执行R脚本"
5. 运行实验以安装包

但是我收到此错误: zip file src/hash_2.2.6.zip not found

为了使其非常清楚,我遵循本文中提到的步骤:http://blogs.technet.com/b/saketbi/archive/2014/08/20/microsoft-azure-ml-amp-r-language- extensibility.aspx.

非常感谢在这方面的任何帮助.

在MICROSOFT AZURE支持团队的明确请求中询问此处.

我一直试图调用MS Luis.ai 程序化 API(bit.ly/2iev01n),并且每次请求都收到401未经授权的响应.这是一个简单的GET示例:https://api.projectoxford.ai/luis/v1.0/prog/apps/{appId}/entities?subscription-key={subscription_key}.

我从Luis.ai GUI(由API文档指定)提供我的appId,在这里:

我从Azure提供我的订阅密钥(由API文档指定),在这里:

来自上方的应用ID和订阅密钥与我用于成功点击查询API的内容完全相同(请参阅底部的注释).我的帐户是按需付费(不是免费的).

我在这里做错了吗？此API是否已弃用,移动,关闭或与文档不同步？

注意:我可以通过在线GUI操作我的模型,但这种方法对我们的业务需求来说太过手动,我们的模型需要在新业务实体出现时以编程方式更新.

注意:程序化API与具有此请求URL的查询API不同,这对我来说很好:
https://api.projectoxford.ai/luis/v2.0/apps/{appId}?subscription-key={subscription_key}&verbose=true&q={utterance}

注意:似乎没有适用于v2.0的Luis.ai编程API - 这就是查询和编程API的URL具有不同版本的原因.

我真的想要访问pandas 0.19中的一些更新函数,但Azure ML studio使用pandas 0.18作为Anaconda 4.0软件包的一部分.有没有办法更新"执行Python脚本"组件中使用的版本？

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？

刚刚学习如何使用Azure 机器人服务和Azure Bot Framework. 我按照此Azure 官方教程在 Azure 门户中创建了一个机器人。这个机器人需要在某个地方发布吗？我在某处读到你Build-->Test-->Publish-->Evaluate。我已经按照此处的说明在 Azure 门户中对其进行了测试。不确定它的发布部分。

我正在使用 Azure ML Studio 来训练一个带有 SQuAD 数据集的问答 ALBERT 模型。我收到以下错误。这是我执行的代码。

# Clone transformers github repo
!git clone https://github.com/huggingface/transformers \
&& cd transformers \
&& git checkout a3085020ed0d81d4903c50967687192e3101e770 

# Install libraries
# !pip install ./transformers
!pip install transformers
!pip install tensorboardX

# Get data
! mkdir dataset \
&& cd dataset \
&& wget https://rajpurkar.github.io/SQuAD-explorer/dataset/train-v2.0.json \
&& wget https://rajpurkar.github.io/SQuAD-explorer/dataset/dev-v2.0.json

# Train model
!export SQUAD_DIR=/content/dataset \
&& python transformers/examples/run_squad.py \
    --model_type albert \
    --model_name_or_path albert-base-v2 \
    --do_train \
    --do_eval \
    --do_lower_case \
    --train_file …

我正在尝试使用以下命令在azure ML studio中安装软件包.

install.packages("src/DMwR.zip", lib = ".", repos = NULL, verbose = TRUE)
library(DMwR, lib.loc=".", verbose=TRUE)

DMwR.zip作为天蓝色的数据集上传.我得到的错误如下.

Error 0063: The following error occurred during evaluation of R script:
---------- Start of error message from R ----------
zip file 'src/DMwR.zip' not found

我该如何解决这个问题？

我正在尝试使用我从github获得的代码:https://github.com/liamca/azure-search-machine-learning-text-analytics并且索引的创建工作完美,但Keyphrase部分给了我一个403 - 禁止访问:拒绝访问错误.这发生在以下代码行的TextExtractionHelper类中:

if (!response.IsSuccessStatusCode)
            {
                throw new Exception("Call to get key phrases failed with HTTP status code: " +
                                    response.StatusCode + " and contents: " + content);
            }

根据评论中的信息,我在此链接创建了一个帐户:https://datamarket.azure.com/account/keys并使用它提供的密钥,但我收到上述错误.

以下是您不想从github下载的代码:

 class Program
    {
        static string searchServiceName = "<removed>";     // Learn more here: https://azure.microsoft.com/en-us/documentation/articles/search-what-is-azure-search/
        static string searchServiceAPIKey = "<removed>";
        static string azureMLTextAnalyticsKey = "<removed>";     // Learn more here: https://azure.microsoft.com/en-us/documentation/articles/machine-learning-apps-text-analytics/

        static string indexName = "textanalytics";
        static SearchServiceClient serviceClient = new SearchServiceClient(searchServiceName, new SearchCredentials(searchServiceAPIKey)); …

背景

我已经从 condaenvironment.yml加上一些 docker 配置和环境变量创建了一个 ML Workspace 环境。我可以从 Python 笔记本中访问它：

env = Environment.get(workspace=ws, name='my-environment', version='1')

我可以成功地使用它来运行 Python 脚本作为实验，即

runconfig = ScriptRunConfig(source_directory='script/', script='my-script.py', arguments=script_params)
runconfig.run_config.target = compute_target
runconfig.run_config.environment = env
run = exp.submit(runconfig)

问题

我现在想像流水线一样运行这个相同的脚本，这样我就可以用不同的参数触发多次运行。我创建的管道如下：

pipeline_step = PythonScriptStep(
    source_directory='script', script_name='my-script.py',
    arguments=['-a', param1, '-b', param2],
    compute_target=compute_target,
    runconfig=runconfig
)
steps = [pipeline_step]
pipeline = Pipeline(workspace=ws, steps=steps)
pipeline.validate()

当我然后尝试运行管道时：

pipeline_run = Experiment(ws, 'my_pipeline_run').submit(
    pipeline, pipeline_parameters={...}
)

我收到以下错误： Response status code does not indicate success: 400 (Conda dependencies were not specified. Please make …

当我们有一个数据类型为字符串的列并且值为col1 col2 1 .89时,我们将面临错误

所以,当我们使用时

def azureml_main(dataframe1 = None, dataframe2 = None):

    # Execution logic goes here
    print('Input pandas.DataFrame #1:')
    import pandas as pd
    import numpy as np
    from sklearn.kernel_approximation import RBFSampler
    x =dataframe1.iloc[:,2:1080]
    print x
    df1 = dataframe1[['colname']]

    change = np.array(df1)
    b = change.ravel()
    print b
    rbf_feature = RBFSampler(gamma=1, n_components=100,random_state=1)
    print rbf_feature
    print "test"
    X_features = rbf_feature.fit_transform(x)

在此之后我们得到错误,因为无法将非int转换为float类型

我在azure机器学习工作室做了一个实验,我想看看整个得分数据集.

当然,我在评分数据集上使用了"可视化"选项,但这些选项只产生100行(测试数据集大约为500行)

我也厌倦了"另存为数据集"选项,但是使用excel或文本编辑器(特殊字符编码)文件无法打开

基本上,我希望看到整个测试数据与评分标签作为表或下载为.csv可能

我刚刚开始熟悉R中的并行性。

当我计划将Microsoft Azure Machine Learning Studio用于我的项目时，我已经开始研究Microsoft R Open为并行性提供的功能，因此，我发现了这一点，它表示并行性是在利用以下优势的情况下完成的：所有可用的内核，而无需更改R代码。本文还显示了一些性能基准，但是，大多数基准表明了进行数学运算时的性能优势。

到目前为止，这很好。另外，我也很想知道它是否也*apply使后台功能并行化。我还找到了这两篇文章，它们描述了*apply一般如何并行化功能：

1. 与雪并行R的快速指南：描述使用snow包，par*apply函数族和促进并行性clusterExport。
2. 对R中的并行计算的简要介绍：使用parallel包，par*apply函数族以及将值绑定到环境。

所以我的问题是，当我将使用*apply在微软Azure机器学习工作室功能，将在默认情况下引擎盖下被并行化，或者我需要利用类似的包parallel，snow等等？

我想在Microsoft Power BI中"显示"我的机器学习数据集的结果.MPBI告诉我连接到Azure的方法是通过SQL数据库.我应该以某种方式将我的机器学习数据放入SQL数据库中,如果是这样的话？