Azure ML designer下载Blob storage模型在Python脚本模块加载报错咨询

该错误不是Pipeline绑定的Compute Cluster的限制，是Azure ML Python脚本模块的目录读写规则、路径配置问题导致的，可按以下步骤修复：

修复步骤 #

• 确认读写路径合法性
  Azure ML Designer的Python脚本模块仅开放./scratch（临时目录，Pipeline运行后清空）和./outputs（持久化目录，运行后可在作业详情中查看文件）两个可读写目录，自定义路径会触发不存在/无权限报错，所有文件读写操作都需要放在这两个目录下。

• 调整代码逻辑
  示例代码如下：

import os
import pickle
from azure.storage.blob import BlobClient

# 初始化合法目录，强制创建避免目录不存在错误
save_dir = "./scratch"
os.makedirs(save_dir, exist_ok=True)
model_file_path = os.path.join(save_dir, "trained_model.pkl")

# 下载Blob存储中的模型文件
blob_conn_str = "你的Azure Blob存储连接字符串"
container_name = "存储容器名称"
blob_model_path = "容器内模型文件的路径/xxx.pkl"
blob_client = BlobClient.from_connection_string(blob_conn_str, container_name, blob_model_path)

with open(model_file_path, "wb") as f:
    download_stream = blob_client.download_blob()
    download_stream.readinto(f)

# 验证文件存在后加载模型
if os.path.exists(model_file_path):
    with open(model_file_path, "rb") as f:
        model = pickle.load(f)
else:
    raise FileNotFoundError(f"模型文件未下载成功，检查Blob连接信息、路径配置")

• 可选更稳定方案：用Datastore挂载访问
  你可以将保存模型的Blob存储提前注册为Azure ML工作区的数据存储（Datastore），将模型文件作为数据集直接挂载到Python脚本模块的输入端口，无需手动下载，直接读取挂载路径的文件即可，避免下载逻辑带来的错误。

内容的提问来源于stack exchange，提问作者Guilherme Takata