azure - 在 Azure ML Studio 上部署自定义模型

Question

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？

Answer 1

1. 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:
2. 在出现的 Pane 中，单击“数据集”，然后单击“来自本地文件”:
3. 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:
4. 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]])

更新 如果您想将此实验声明为 API，则需要将 Web 输入和输出添加到 Python 脚本模块。