如何在AzureML批量端点invoke方法中用URI文件夹调用predict_proba

你之前的错误源于全局参数的传递方式不符合AzureML SDK的要求，正确的做法是将全局参数通过global_parameters参数单独传入batch_endpoints.invoke方法，而非嵌套在inputs字典中。以下是可直接使用的调用代码：

# Input being ADLS
input = Input(
    type=AssetTypes.URI_FOLDER, 
    path="https://mydatalake.blob.core.windows.net/my_container/folder_with_data"
)

# Invoke endpoint to get prediction probabilities
job = ml_client.batch_endpoints.invoke(
    endpoint_name="heart-test",
    inputs={
        "heart_dataset": input,
    },
    global_parameters={
        "method": "predict_proba"
    }
)

核心说明： #

• AutoML自动生成的批量评分脚本已内置对global_parameters中method参数的支持，无需修改脚本。传入method: "predict_proba"后，脚本会自动调用模型的predict_proba方法，返回每个样本的类别概率值（二分类场景下会输出两个类别的概率数组）。
• 你之前的写法把GlobalParameters放在inputs字典内，SDK会将其当作数据输入处理，导致普通字典无法被序列化为AzureML的标准输入对象，进而触发序列化错误。

等待批量作业完成后，即可在作业输出中获取包含预测概率的结果文件。

内容的提问来源于stack exchange，提问作者Connor