无法使用Azure Machine Learning SDK v2部署训练完成的模型

问题本质 #

Azure ML部署环境里，score.py是作为独立主脚本运行的，不属于任何Python包结构，所以用相对导入（比如from . import config）会触发「尝试相对导入但未知父包」的错误，导致进程启动失败。

可行修复方案 #

1. 替换成绝对导入 #

把相对导入语句改成基于项目根目录的绝对路径导入。举个例子：

• 如果原本是from . import config，直接改成import config
• 如果config.py在子文件夹utils里，就改成import utils.config

2. 手动添加路径到Python搜索列表 #

要是绝对导入还是不行，在score.py最开头加一段代码，把项目根目录加入Python的搜索路径：

import sys
from pathlib import Path

# 获取当前脚本所在文件夹路径
current_folder = Path(__file__).parent
# 把当前文件夹（或上级，根据你的实际结构调整）加入sys.path
sys.path.append(str(current_folder))
# 要是config在上级目录，就换成current_folder.parent
# sys.path.append(str(current_folder.parent))

之后再正常导入import config就行。

3. 打包模型时带上所有依赖文件 #

用MLflow存模型的时候，要把config.py这类依赖文件一起打包进模型 artifact。用code_paths参数指定需要包含的文件或文件夹：

import mlflow

mlflow.sklearn.log_model(
    model=你的训练好的模型,
    artifact_path="model",
    code_paths=["config.py", "子文件夹路径/"],  # 把所有依赖的脚本都列在这里
    registered_model_name="use-case1-model"
)

这样部署时，这些文件会和score.py放在同一层级（或指定路径），导入就不会出问题了。

4. 核对部署后的文件结构 #

部署完成后可以在Azure ML工作室里查看部署的文件目录，确认config.py在score.py能访问到的位置。如果路径不对，调整打包时的code_paths或者score.py里的导入语句。

内容的提问来源于stack exchange，提问作者Rishav Raj