Azure ML Studio AutoML部署端点返回字符串化JSON格式问题求解
问题根因
这个问题是AutoML一键部署时平台生成的默认评分脚本存在双重JSON序列化导致的:
平台自动生成的score.py会先把预测结果手动转成一次JSON字符串,而部署用的Web框架接收到字符串类型的返回值时,又会自动把字符串当作普通JSON值再序列化一次,最终就变成了你看到的外层带引号、内部转义的字符串化JSON,而非原生JSON结构。
解决步骤(适合新手操作)
1. 找到并下载默认的评分脚本score.py
两种路径任选:
- 路径1:进入AutoML训练任务的详情页,点开你选用的最佳模型,进入模型资产详情页,在「资产」标签下就能找到平台自动生成的
score.py,点击下载到本地 - 路径2:进入你已经部署好的在线端点详情页,切到「部署」标签,点开对应的部署项,在部署详情的「代码」板块找到
score.py下载
2. 修改脚本的返回逻辑
用文本编辑器打开下载的score.py,找到核心的run()函数,默认的返回逻辑大概是这样:
def run(raw_data): # 平台自动生成的预测逻辑,无需改动 data = json.loads(raw_data) result = model.predict(data) # 问题出在下面这行:手动做了一次json.dumps return json.dumps({"result": result.tolist()})
只需要删掉返回值外层的json.dumps(),直接返回Python原生字典即可,Web框架会自动完成一次正确的JSON序列化:
# 修改后的返回逻辑 def run(raw_data): data = json.loads(raw_data) result = model.predict(data) # 不再手动序列化,直接返回字典 return {"result": result.tolist()}
注意:如果你的脚本里还有其他分支的返回逻辑,同理删掉所有提前手动调用json.dumps的部分,保证最终返回的是可被JSON序列化的原生Python对象(字典、列表等)即可
3. 用修改后的脚本更新部署
两种方案选其一:
- 原地更新现有部署(快速验证):回到之前的部署详情页,找到「更新」按钮,上传修改后的
score.py,其余计算规格、运行环境等配置保持默认,直接提交更新即可 - 新建部署(不影响原有线上服务):在当前在线端点下新建一个部署项,上传修改后的
score.py,待部署完成后把端点的流量切换到新部署上,避免原有部署被意外改动
临时兼容方案(不需要改服务端的情况)
如果暂时不想调整服务端部署,也可以在客户端层面做二次解析适配:Postman中可以添加后置脚本,先把响应文本当普通字符串解析一次,再拿到原生JSON:
// Postman后置脚本示例 const rawText = pm.response.text(); const realResult = JSON.parse(rawText); console.log("解析后的原生JSON:", realResult);
不过这个只是临时适配,要让服务端直接返回正确JSON,还是需要修改评分脚本。
内容的提问来源于stack exchange,提问作者Rob
相关产品推荐
相关产品推荐

