部署XGBoost模型到本地托管在线端点时遇MlException错误求助

问题根源 #

你直接将mlflow.xgboost.load_model()加载得到的XGBClassifier实例传给了ManagedOnlineDeployment的model参数，但Azure ML托管在线部署要求model参数接收的是：

• 工作区已注册模型的引用字符串（格式为模型名:版本号）
• 或Azure ML SDK中的Model对象
  而非本地加载的模型实例。

错误信息的三个提示均因传入对象类型错误导致：

• Non-string passed to RegistryStr for model/Non-string passed to ArmStr for model：未传入符合要求的字符串格式模型引用
• 'XGBClassifier' object has no attribute '_intellectual_property'：XGBoost模型实例不具备Azure ML Model对象的特有属性，部署逻辑无法识别

修复方案 #

方案1：使用注册模型的引用字符串（推荐） #

直接传入已注册模型的名称和版本号，同时补充部署必填的instance_type和instance_count参数：

blue_deployment = ManagedOnlineDeployment(
    name='blue',
    endpoint_name='diabetes-online-endpoint',
    model='diabetes-prediction:1',  # 对应你注册的模型名和版本
    instance_type='Standard_DS3_v2',  # 根据需求选择合适的计算实例类型
    instance_count=1
)

ml_client.online_deployments.begin_create_or_update(blue_deployment, local=True)

方案2：获取Azure ML的Model对象传入 #

先通过ML客户端获取工作区中已注册的Model对象，再传入部署配置：

# 获取注册的模型对象
registered_model = ml_client.models.get(name='diabetes-prediction', version='1')

blue_deployment = ManagedOnlineDeployment(
    name='blue',
    endpoint_name='diabetes-online-endpoint',
    model=registered_model,
    instance_type='Standard_DS3_v2',
    instance_count=1
)

ml_client.online_deployments.begin_create_or_update(blue_deployment, local=True)

额外注意 #

你原代码中缺少instance_type和instance_count两个必填参数，即使解决了模型参数问题，部署也会因缺少这两个参数报错，必须补充。

内容的提问来源于stack exchange，提问作者Karthik S