在 Azure ML Studio 中,我们可以选择许多内置的 ML 模型,例如分类、回归等,我们可以将其拖放到工作流程中。
我的问题是,我可以上传在 Python 系统上本地构建的自定义 ML 模型,并将其添加到工作流程中吗?
最佳答案
- 获取 model.pkl 文件,将其压缩,然后将其上传到 Azure 机器学习工作室。点击左下角的“新建”图标:
- 在出现的 Pane 中,单击“数据集”,然后单击“来自本地文件”:
- 选择存储序列化模型的 zip 文件,然后单击勾号。你的过期时间应该是这样的:
- 输入以下代码来运行分类实验:
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]])
关于azure - 在 Azure ML Studio 上部署自定义模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57488706/