自定义Python脚本部署为Azure端点：scoring.py及MLflow模型问题

问题分析 #

你的scoring.py存在几个关键问题：

• 缺少必要的模块导入（如json、pandas，以及mlflow、os）
• 未对传入的raw_data（JSON格式字符串）进行解析
• 输入数据格式不符合MLflow模型的预期要求
• 返回结果未做序列化处理，无法被Azure端点正确返回

可行的scoring.py代码 #

import os
import json
import pandas as pd
import mlflow.pyfunc

def init():
    global model
    # 加载模型，AZUREML_MODEL_DIR是Azure自动设置的模型根目录
    model_path = os.path.join(os.getenv("AZUREML_MODEL_DIR"), "model")
    model = mlflow.pyfunc.load_model(model_path)

def run(raw_data):
    # 解析JSON格式的输入数据
    data = json.loads(raw_data)
    # 将数据转换为模型可接受的格式（这里模型接受单个数值，转为DataFrame）
    # 适配两种常见输入情况：单个值或带键的字典
    if isinstance(data, dict):
        input_value = data.get("value")
        df = pd.DataFrame([input_value], columns=["input"])
    else:
        df = pd.DataFrame([data], columns=["input"])
    
    # 执行预测
    predictions = model.predict(df)
    # 将结果转为可序列化的格式返回
    return {"prediction": float(predictions[0])}

额外说明 #

• 测试端点时，输入格式要匹配代码逻辑：
  • 可使用{"value": 4}作为输入，返回{"prediction": 16}
  • 若需直接接受纯数值输入（如4），可调整代码中数据转换的逻辑
• 部署时要确保环境包含mlflow、pandas依赖，需将这些包的版本添加到环境配置文件中

内容的提问来源于stack exchange，提问作者Abhishek Sharda