IBM Watson Studio样本评分报错及模型部署失败问题咨询

首先明确前置报错的根因：你最开始遇到的Column Transformer object has no attribute '_features_names_in'是scikit-learn版本不匹配导致的，0.23版本的ColumnTransformer组件没有_feature_names_in这个私有属性，该属性是1.0及以上版本新增的，你升级scikit-learn到1.0的操作方向是正确的，后续出现的部署pod缺失报错按以下步骤逐一排查：

• 校验依赖版本一致性：runtime-22.1-py3.9运行时默认预装的scikit-learn版本不是1.0，手动在Notebook中升级包之后，要确认部署环节拉取的依赖和你训练保存模型的环境完全对齐。不要依赖运行时默认预装的包版本，在部署配置的自定义依赖列表中明确固定scikit-learn==1.0.2（1.0系列最稳定的补丁版本），同时确认关联依赖版本不超过runtime-22.1的兼容上限：numpy版本低于1.23、pandas版本低于1.5，依赖版本冲突会直接导致部署时pod启动崩溃，触发"some pods missing"报错。
• 修复模型序列化兼容性问题：跨大版本scikit-learn序列化的模型文件不兼容，不能直接拿之前Python3.8+scikit-learn0.23环境下训练保存的模型文件，在scikit-learn1.0环境下部署。你需要在已经升级到scikit-learn1.0的Notebook环境中，重新执行完整的模型训练、保存流程，生成全新的模型资产后再发起部署。
• 检查空间资源配额：runtime-22.1-py3.9的在线部署实例默认需要2核4G的空闲计算资源，如果当前项目空间下其他正在运行的Notebook、在线部署、批处理任务占满了资源配额，会导致pod调度失败。可以先停止几个闲置的运行中实例释放资源，再重新发起部署。
• 清理失败部署残留：之前部署失败产生的缓存配置会导致新的部署请求卡进度，先把状态为失败的部署实例彻底删除，等待5分钟后，使用重新训练生成的模型、配置好固定版本依赖，再发起新的部署。

注意：如果以上步骤操作完成后仍然报相同错误，不需要等30分钟等部署超时，部署超过10分钟未进入就绪状态就可以直接终止，到部署详情的日志页拉取pod启动的报错日志，联系IBM支持时直接附上日志内容、运行时版本、依赖清单、模型训练环境版本信息即可快速定位问题。

内容的提问来源于stack exchange，提问作者swathi test28