使用sklearn-1.5(v10)环境部署Azure ML模型遇Numpy依赖错误求助

这个错误的核心原因是：编译后的scikit-learn（或其他依赖库）与当前运行环境的numpy版本不匹配——sklearn编译时依赖的numpy头文件定义的dtype大小，和运行时加载的numpy实际dtype大小不一致，导致二进制层面的兼容性冲突。

以下是具体修复步骤：

• 彻底清理旧依赖与缓存
  先卸载相关包并清理pip缓存，避免残留的旧编译文件干扰新安装：

  pip uninstall -y numpy scipy scikit-learn pandas scikit-image
  pip cache purge
  

• 按依赖顺序重新安装指定版本
  numpy是基础依赖，必须优先安装指定版本，再安装依赖它的库，防止安装过程中自动拉取不兼容的numpy版本：

  pip install numpy==1.22.0
  pip install scipy==1.8.0 pandas==1.5.3 matplotlib==3.5.3 scikit-image==0.19.3 contourpy==1.0.7 azure-storage-blob==12.19.0 scikit-learn==1.5.0
  

  注意：明确指定scikit-learn的版本为1.5.0，确保和训练环境的版本完全一致。

• 放弃代码内动态安装依赖的方式
  在train.py中用subprocess执行pip安装，容易出现环境隔离问题（比如运行代码的Python解释器和部署环境的解释器不是同一个）。建议用requirements.txt统一管理依赖：
  创建requirements.txt文件：

  numpy==1.22.0
  scipy==1.8.0
  pandas==1.5.3
  matplotlib==3.5.3
  scikit-image==0.19.3
  contourpy==1.0.7
  azure-storage-blob==12.19.0
  scikit-learn==1.5.0
  

  然后在部署环境执行：

  pip install -r requirements.txt --force-reinstall
  

• 验证环境版本一致性
  安装完成后，在部署环境运行以下代码，确认所有库版本和训练环境完全匹配：

  import numpy
  import sklearn
  import pandas
  import scipy
  print(f"numpy version: {numpy.__version__}")
  print(f"sklearn version: {sklearn.__version__}")
  print(f"pandas version: {pandas.__version__}")
  print(f"scipy version: {scipy.__version__}")
  

  如果版本不一致，说明环境存在多个Python解释器，需要确认部署时使用的是正确的解释器（可通过python --version或which python检查）。

内容的提问来源于stack exchange，提问作者Imme