如何在Azure Machine Learning Studio创建ModelDirectory类型的DataSet

优先编程实现方案（Azure ML SDK v2） #

前置依赖 #

安装Azure ML Python SDK：

pip install azure-ai-ml azure-identity

完整实现代码 #

from azure.ai.ml import MLClient
from azure.ai.ml.entities import Data
from azure.identity import DefaultAzureCredential

# 1. 连接到AML工作区
ml_client = MLClient(
    DefaultAzureCredential(),
    subscription_id="<你的订阅ID>",
    resource_group_name="<你的资源组名称>",
    workspace_name="<你的AML工作区名称>"
)

# 2. 定义ModelDirectory类型数据集
model_dir_dataset = Data(
    path="azureml://datastores/<你的存储名称>/paths/<模型文件所在目录路径>",
    type="uri_folder",
    description="ModelDirectory类型的模型数据集",
    name="<自定义数据集名称>",
    # 核心配置：指定数据集类型为ModelDirectory
    properties = {"DataDataType": "ModelDirectory"}
)

# 3. 注册数据集到工作区
ml_client.data.create_or_update(model_dir_dataset)

注册完成后即可在设计器中直接匹配ScoreModel节点的输入端口要求。

UI手动操作方案 #

1. 进入AML Studio工作区，点击左侧菜单栏「数据」选项，选择「数据集」标签页，点击「创建」->「从文件存储」
2. 选择模型文件所在的数据源，路径需要选中包含模型全部输出文件的根目录，点击下一步
3. 在「设置和预览」步骤中，下拉找到数据集类型选项，手动选择「ModelDirectory」（默认值为AnyDirectory，这是之前创建失败的核心原因）
4. 保持其余配置和原有数据集一致，完成创建流程即可。

参考截图 #

• 已有正确DataSet示例：
• 正确DataSet输出类型标识：
• 错误创建的DataSet示例：
• 错误DataSet输出标识：

内容的提问来源于stack exchange，提问作者D. Reagan