Azure ML目标检测训练时MLTable访问权限错误排查求助

排查方向 #

• 检查MLTable定义文件的路径配置
  确认MLTable文件里指定的annotations.jsonl路径是否和Datastore挂载路径匹配，比如是否误用绝对路径、路径层级是否写错。
• 验证计算集群的身份权限
  确认计算集群的托管身份（或服务主体）是否拥有image_frames对应存储容器的访问权限，比如是否缺少存储Blob数据读者或更高权限。
• 检查数据输入的挂载配置
  确认my_training_data_input的类型是否为mltable而非uri_folder，挂载模式是否设置为只读（训练场景无需读写权限）。
• 验证MLTable文件的格式合法性
  检查MLTable的语法是否正确，比如JSON/YAML格式是否有误，是否正确关联image_frames Datastore。

解决方法 #

• 修正MLTable路径配置
  确保MLTable文件使用相对路径指向annotations.jsonl，同时明确关联Datastore，示例配置：

  $schema: https://azuremlschemas.azureedge.net/latest/MLTable.schema.json
  type: mltable
  
  paths:
    - path: ./annotations.jsonl
      datastore: image_frames
  

• 给计算集群身份添加存储权限
  进入Azure门户的目标存储容器，在访问控制（IAM）中添加计算集群的托管身份，分配存储Blob数据读者角色。
• 调整数据输入定义
  使用Python SDK定义输入时，明确指定类型为MLTable，示例代码：

  from azure.ai.ml import Input
  
  my_training_data_input = Input(
      type="mltable",
      path="azureml://datastores/image_frames/paths/image-frames/dados_treinamento"
  )
  

• 重新注册MLTable资产
  若已手动创建MLTable资产，删除后重新注册，确保路径指向正确的Datastore目录，Azure CLI命令示例：

  az ml data create --name my_mltable --path ./target-mltable-folder --type mltable
  

内容的提问来源于stack exchange，提问作者Atilio