Развертывание модели в средах машинного обучения Azure
Мне удалось разместить модель с помощью метода конфигурации изображения.
service = Webservice.deploy_from_model(workspace=ws,
name='name_of_model',
deployment_config=aciconfig,
models=[model],
image_config=image_config)
Однако этот метод не рекомендуется использовать с помощью метода среды.
Поэтому я попытался использовать метод Environment, предложенный ниже в сообщении об устаревании. Но у меня всегда бывает тайм-аут. Он никогда не развертывается успешно, как старый метод контейнера
Как использовать среды - Microsoft Azure ML
Код развертывания на основе My Environment
Мой код ниже с inference_config, указывающим на score.py и deployment_config, указывающим на спецификации контейнера. Я вижу, что служба создается и модель загружается. Но сервис никогда не переходит в состояние "Здорово". Однако тот же код в модели развертывания контейнера работает нормально.
service = Model.deploy(
workspace = ws,
name = "name_of_model",
models = [model],
inference_config = inference_config,
deployment_config = deployment_config)
Моя конфигурация env из существующей среды, предоставленной Azure ML
my_env=Environment.get(workspace=ws,name='AzureML-Scikit-learn-0.20.3') # using Azure Optimized sklearn environment
Этот env упоминается в конфигурации вывода
inference_config = InferenceConfig(entry_script="scorev3.py", environment=my_env) # using the initialized variable my_env
Любая подсказка относительно того, почему у меня тайм-аут при развертывании этого? Я определенно чувствую, что это не связано с подключением к Интернету, поскольку старый метод требует столько же времени (10-12 минут) на развертывание и проходит идеально?