本地部署Azure AutoML模型遇两类报错问题求助

背景 #

使用Azure ML v1 API基于CSV数据集训练了多个表现良好的Azure AutoML模型，计划部署到本地环境。已下载训练好的模型，使用微软提供的评分脚本和.yml文件配置运行环境，但过程中遇到两类本地问题，同时部署至Azure实时端点后测试也报错。

遇到的问题 #

1. 本地运行触发ModuleNotFoundError #

错误信息：

---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
Cell In[1], line 12
      9 import pandas as pd
     10 import joblib
---> 12 import azureml.automl.core
     13 from azureml.automl.core.shared import logging_utilities, log_server
     14 from azureml.telemetry import INSTRUMENTATION_KEY

ModuleNotFoundError: No module named 'azureml'

2. VS中执行run函数时输入数据类型不匹配 #

错误信息：

Invalid input data type to parse. Expected: <class 'dict'> but got <class 'inference_schema.parameter_types.pandas_parameter_type.PandasParameterType'>
Stapelüberwachung:
 >  File "C:\Users\weightedfinalmodel\scoring_file_v_2_0_0.py", line 59, in <module> (Current frame)
 >    run(data_sample)
"inference_schema.schema_decorators" geladen
"__main__" geladen
"runpy" geladen
Das Programm "python.exe" wurde mit Code 4294967295 (0xffffffff) beendet.

3. Azure实时端点测试报错 #

部署至Azure实时端点后，通过测试页测试时出现报错，推测遗漏了部分配置。

解决方案 #

针对问题1：缺失azureml模块 #

• 原因：本地环境未安装Azure ML相关依赖包
• 解决步骤：
  • 激活目标虚拟环境/conda环境，执行以下命令安装依赖：

    pip install azureml-automl-core azureml-telemetry azureml-core
    

  • 若使用.yml配置文件，需确保文件包含这些依赖，示例配置：

    dependencies:
      - python=3.8  # 需匹配模型训练时的Python版本
      - pip:
        - azureml-automl-core
        - azureml-telemetry
        - azureml-core
        - pandas
        - numpy
        - joblib
        - inference-schema
    

  • 执行pip list | grep azureml验证相关包是否安装成功

针对问题2：输入数据类型不匹配 #

• 原因：直接将PandasParameterType对象传入run函数，而函数期望接收符合Schema定义的字典格式数据
• 解决步骤：
  • 修改测试代码，将数据包装成符合要求的字典结构：

    # 替换原错误调用run(data_sample)，改用以下代码
    test_data = pd.DataFrame({
        "SIO2": [0.0], "AL2O3": [0.0], "B2O3": [0.0],
        "CAO": [0.0], "K2O": [0.0], "NA2O": [0.0],
        "PBO": [0.0], "Li2O": [0.0], "MgO": [0.0],
        "SRO": [0.0], "BAO": [0.0], "ZNO": [0.0],
        "P2O5": [0.0], "ZRO2": [0.0], "TIO2": [0.0],
        "Bi2O3": [0.0]
    })
    run({"data": test_data})
    

  • 或使用Schema对象生成标准测试样本：

    test_input = input_sample.generate_sample()
    run(test_input)
    

  • 注意：PandasParameterType仅用于定义输入Schema，不能直接作为输入数据传入run函数

针对Azure实时端点测试报错 #

• 检查环境配置：确保部署端点时使用的环境包含所有必要依赖（与本地运行环境一致）
• 规范测试数据格式：测试页需传入符合Schema的JSON数据，示例：

  {
    "Inputs": {
      "data": [
        {"SIO2": 0.0, "AL2O3": 0.0, "B2O3": 0.0, "CAO": 0.0, "K2O": 0.0, "NA2O": 0.0, "PBO": 0.0, "Li2O": 0.0, "MgO": 0.0, "SRO": 0.0, "BAO": 0.0, "ZNO": 0.0, "P2O5": 0.0, "ZRO2": 0.0, "TIO2": 0.0, "Bi2O3": 0.0}
      ]
    },
    "GlobalParameters": 1.0
  }
  

• 查看端点日志：在Azure ML Studio中查看端点的详细日志，定位具体错误（如依赖缺失、模型加载失败等）

内容的提问来源于stack exchange，提问作者Emanuel