发布到Azure Function App后ML模型无法运行、无法获取输出如何解决？

直接按照以下步骤排查即可解决问题：

• 首先确认自定义模块存放与导入规范
  你自己编写的ML相关模块、模型权重文件，要么和触发函数的__init__.py放在同一文件夹下，要么放在项目根目录的.site-packages文件夹中（该路径为Azure Function Python运行时专门识别的自定义包路径）。如果模块存放在子文件夹内，需要在子文件夹下新建空的__init__.py文件将其标记为Python可识别的包，导入时遵循绝对导入规则：比如根目录下ml文件夹中的predict.py模块，导入写法为from ml import predict。
• 检查部署包完整性
  发布到Azure时必须上传整个Function App项目根目录，根目录下必须包含host.json、requirements.txt、你的函数文件夹、自定义模块文件夹，不能只单独上传函数文件夹。部署前可以在本地安装Azure Functions Core Tools，切到项目根目录运行func start做本地测试，本地运行正常再发布到Azure，避免漏传文件。
• 强制添加搜索路径快速修复
  在函数的__init__.py文件最开头添加以下代码，强制把项目路径加入Python模块搜索路径，可直接解决大部分路径类导入错误：

  import sys, os
  # 若模块和__init__.py同目录用这个
  sys.path.append(os.path.dirname(os.path.abspath(__file__)))
  # 若模块在项目根目录，比__init__.py高一级用下面这个
  # sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
  

• 排查第三方依赖问题
  你在Jupyter中使用的所有第三方库，都要完整写入项目根目录的requirements.txt文件中，版本尽量和本地测试环境保持一致，Azure部署时会自动根据该文件安装依赖，缺失依赖也会抛出模块找不到的报错。部署后如果还有问题，可以进入Azure门户对应函数应用的「开发工具>高级工具(Kudu)」，进入Debug Console后到/home/site/wwwroot目录运行pip list，确认所有依赖都已安装成功。
• 查看完整日志定位报错
  进入Azure门户对应函数应用的「监视>日志流」，触发函数运行时可以看到完整的报错栈，能直接定位到具体报错的代码行，比测试页面返回的简略错误信息更准确。

内容的提问来源于stack exchange，提问作者Bhawna Pareta