如何在 Azure ML 服务中注册本地训练的机器学习模型？

Question

我正在尝试 Azure Machine Learning Service 进行 ML 部署。

我已经在计算 VM 上训练了一个模型并将其保存为 pickle，现在我想部署它（出于目前的目的，我在 Azure 笔记本上使用 Python）。

从 guide 看来，我需要一个 run 对象存在于我的会话中才能执行 "model registration" 步骤：

# register model 
model = run.register_model(model_name='my_model', model_path='outputs/my_model.pkl')
print(model.name, model.id, model.version, sep = '\t')

但是，我还没有创建任何 run 对象，因为我没有 executed 任何训练实验，我只是从我的 pickled 模型开始。

我还尝试通过 Azure 门户上传模型来注册模型（请参见下面的屏幕截图），但是（我假设模型文件很大）它失败了 ajax error 413.，如 Unable to register an ONNX model in azure machine learning service workspace。

有没有什么方法可以注册然后部署预训练的 pickled 模式（如果有意义，则无需提交 run）？

Answer 1

可以使用 Model.register 完成模型注册，无需使用 run 对象

model = Model.register(model_name='my_model', model_path='my_model.pkl', workspace = ws)

对于部署，可以按照 Azure ML service doc 中概述的步骤进行操作。

Answer 2

您也可以在门户网站中手动注册您的模型。

Answer 3

因为您没有在 mlflow 上训练任何模型或运行任何实验，所以您应该直接通过 pickle 注册保存的模型 file.The sklearn 库和保存模型的 pickle 版本应该与当前 MLflow 支持的内置 sklearn 模型风格兼容。

import mlflow

loaded_model = pickle_load(open(filename,'rb')) 

reg_model_name = "Regression" 
mlflow.sklearn.log_model(loaded_model, "sk_learn", serialisation_format="cloudpickle", registered_model_name=reg_model_name)

如何在 Azure ML 服务中注册本地训练的机器学习模型？

How can I register in Azure ML Service a machine learning model trained locally?

python

deployment

azure

azureportal

azure-machine-learning-service