Azure ML Studio测试接口请求报错：source_words样本数不足排查

问题描述 #

在使用Azure ML Studio测试接口时，平台提供的POST请求payload模板如下：

{
  "input_data": {
    "columns": [
      "content_type",
      "project_name",
      "source_words",
      "source_text",
      "target_locale",
      "evaluated_phase",
      "evaluated_translation",
      "evaluated_vendor",
      "lqe_phase"
    ],
    "index": [],
    "data": []
  }
}

按如下方式填充后：

{
  "input_data": {
    "columns": [
      "content_type",
      "project_name",
      "source_words",
      "source_text",
      "target_locale",
      "evaluated_phase",
      "evaluated_translation",
      "evaluated_vendor",
      "lqe_phase"
    ],
    "index": [],
    "data": [
      {
        "content_type": "some text",
        "project_name": "some text",
        "source_words": 1267,
        "source_text": "some text",
        "target_locale": "text",
        "evaluated_phase": "more text",
        "evaluated_translation": "text text",
        "evaluated_vendor": "text",
        "lqe_phase": "final text"
      }   
    ]
  }
}

其中仅source_words为整数类型，其余均为文本类型，但持续收到错误：
InnerException: ValueError: ['source_words']: Found array with 0 sample(s) (shape=(0, 1)) while a minimum of 1 is required.

2023-10-05更新：部署多个其他模型后，均出现相同错误。

可能的原因及解决办法 #

• 数据格式不匹配：多数Azure ML部署的模型（尤其是基于Scikit-learn、XGBoost等框架训练的）要求data字段为数组的数组，而非键值对对象数组。当前使用的对象格式无法被模型正确解析，导致source_words字段被识别为0样本。
  修正后的payload格式如下：

  {
    "input_data": {
      "columns": [
        "content_type",
        "project_name",
        "source_words",
        "source_text",
        "target_locale",
        "evaluated_phase",
        "evaluated_translation",
        "evaluated_vendor",
        "lqe_phase"
      ],
      "index": [],
      "data": [
        ["some text", "some text", 1267, "some text", "text", "more text", "text text", "text", "final text"]
      ]
    }
  }
  

  注意data中的每个样本是一个数组，元素顺序必须和columns完全对应，无需指定键名。

• 模型输入Schema配置错误：多个模型均报错，说明可能是部署时的输入数据集Schema与实际请求不匹配。检查模型部署时定义的输入列是否包含source_words，且数据类型设为整数；同时确认输入格式要求为“表格型数组”而非“JSON对象”。

• 推理脚本（score.py）逻辑问题：自定义模型的推理脚本可能未适配对象数组格式的输入。检查score.py中的run()函数，确保它能正确读取input_data['data']并解析出source_words。例如如果脚本使用pd.DataFrame(input_data['data'], columns=input_data['columns'])构建数据集，必须保证data是数组数组，否则DataFrame无法正确加载，导致列样本数为0。

内容的提问来源于stack exchange，提问作者phil