Azure ML中Yolov8训练Job与Dataset YAML配置及权限问题咨询

一、修正YAML文件配置 #

1. 修正job.yaml中的数据资产引用 #

你当前training_data的path格式错误，Azure ML数据资产的正确引用格式是azureml:<data-asset-name>:<version>，而非azure:data_asset:1。修改后示例：

inputs:
  training_data:
    type: uri_folder 
    mode: ro_mount
    path: azureml:your-data-asset-name:1  # 替换为你的数据资产名称和版本

2. 调整custom_dataset.yaml的路径与语法 #

当数据以ro_mount模式挂载后，${{ inputs.training_data }}指向挂载根目录，需将train/test/val路径改为相对路径（去掉开头斜杠），同时修正YAML语法错误：

path: ../dataset  # 该行会被sed替换为挂载路径，无需手动修改
train: images/train/  # 改为相对路径，基于path指定的根目录
test: images/test/
val: images/test/

nc: 2  # YAML语法要求用冒号，替换原有的等号

# class names
names: ['class1', 'class2']  # 数组元素加引号，避免语法解析问题

3. 优化job中的sed命令 #

确保路径替换后的格式正确，避免转义问题，调整命令如下：

command: |
  sed -i "s|^path:.*|path: '${{ inputs.training_data }}'|" custom_dataset.yaml
  yolo task=detect train data=custom_dataset.yaml model=${{ inputs.model_to_train }} epochs=10 project=yolov8-experiment name=experiment

二、配置必要的权限 #

1. 计算集群托管标识的存储权限 #

Azure ML计算集群的托管标识需要访问数据资产对应的存储账户：

• 进入Azure门户，找到数据资产所在的存储账户
• 转到「访问控制(IAM)」页面，点击「添加角色分配」
• 选择「存储Blob数据读取者」角色，添加对象为你的Azure ML计算集群托管标识（名称通常为azureml-compute-<cluster-name>）

2. 用户账号的权限 #

确保提交作业的账号拥有以下权限：

• 工作区的「机器学习数据科学家」或「参与者」角色
• 数据资产的「读取」权限（可在Azure ML Studio的数据资产页面配置）

3. 存储容器权限检查 #

若数据资产存储在自定义容器中：

• 若容器为私有访问级别，必须通过上述IAM角色授权；若为blob匿名读取，可临时测试，但生产环境建议使用IAM授权。

内容的提问来源于stack exchange，提问作者aditijedhe