Azure ML管道Python步骤中MLClient使用及文件夹模型注册问题

为什么MLClient无法复用MLflow的凭据？ #

MLflow在Azure ML管道环境中是深度集成的，它会自动绑定当前计算目标的系统分配托管身份来访问模型注册表，无需手动配置凭据；而MLClient的DefaultAzureCredential默认凭据链在管道环境中，不会自动优先使用托管身份，需要显式指定或调整凭据链优先级，同时还要确保计算目标的身份具备足够权限。

解决方案1：在AML管道步骤中正确初始化MLClient #

有两种可靠的实现方式：

• 方式一：直接使用托管身份凭据
  显式调用ManagedIdentityCredential获取计算目标的系统托管身份，跳过默认凭据链的不确定性：

  from azure.ai.ml import MLClient
  from azure.identity import ManagedIdentityCredential
  
  # 获取计算目标的系统托管身份
  credential = ManagedIdentityCredential()
  
  # 初始化MLClient，替换为你的工作空间信息
  ml_client = MLClient(
      credential=credential,
      subscription_id="your-sub-id",
      resource_group_name="your-rg-name",
      workspace_name="your-ws-name"
  )
  

  注意：需确保计算目标的系统托管身份拥有机器学习数据科学家角色（或自定义角色，包含Microsoft.MachineLearningServices/workspaces/models/write等核心权限）。

• 方式二：利用AML运行上下文自动获取工作空间信息
  通过Run.get_context()获取当前运行的工作空间上下文，避免硬编码订阅等信息：

  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  from azureml.core import Run
  
  # 获取当前管道运行的上下文
  run = Run.get_context()
  workspace = run.experiment.workspace
  
  # 初始化MLClient
  ml_client = MLClient(
      credential=DefaultAzureCredential(),
      subscription_id=workspace.subscription_id,
      resource_group_name=workspace.resource_group,
      workspace_name=workspace.name
  )
  

解决方案2：将文件夹注册为单个模型 #

两种方式都支持直接注册包含PKL文件的文件夹：

用MLClient注册 #

直接指定文件夹路径，根据模型类型设置对应参数（自定义模型用custom_model，框架模型如scikit-learn用sklearn_model）：

# 替换为你的模型文件夹路径和名称/版本
model = ml_client.models.create_or_update(
    name="folder-based-model",
    version="1",
    path="./your-model-folder",  # 包含PKL文件的文件夹路径
    description="包含PKL文件的完整模型文件夹",
    type="custom_model"
)

用MLflow注册（无需额外凭据配置） #

利用MLflow与AML的自动集成，直接完成注册：

import mlflow
from azureml.core import Run

run = Run.get_context()
# 绑定AML工作空间的MLflow跟踪URI
mlflow.set_tracking_uri(run.experiment.workspace.get_mlflow_tracking_uri())

# 注册文件夹模型
mlflow.register_model(
    model_uri="./your-model-folder",
    name="folder-based-model"
)

提示：如果文件夹内没有MLmodel文件，MLflow会自动生成基础配置；若需要自定义模型元数据，可手动添加MLmodel文件。

内容的提问来源于stack exchange，提问作者jiana