Azure Databricks Notebook遇No module named 'azureml'报错解决咨询
Azure Databricks环境下
ImportError: no module named 'azureml'的解决方案 适配橙汁销量预测AutoML实验的处理方案
- 匹配集群Runtime版本安装兼容的azureml全套组件
不要仅安装azureml基础壳包,运行forecasting类AutoML实验需配套安装核心依赖:azureml-sdk、azureml-automl-core、azureml-automl-runtime、azureml-train-automl、azureml-dataprep。安装时建议锁定和实验逻辑匹配的固定版本,避免最新版本包与Databricks Runtime预装的pandas/numpy等依赖出现版本冲突。操作路径为集群配置页的「库」-「安装新库」- 选择PyPI源,逐次添加上述包完成安装后重启集群,待集群恢复运行状态再启动Notebook测试导入。 - Notebook会话内临时定向安装(适合快速调试场景)
在Notebook单元格直接执行绑定当前IPython会话的安装命令,命令格式为:%pip install azureml-sdk==1.52.0 azureml-train-automl azureml-dataprep
该安装方式不需要重启集群,安装完成后即可在当前会话导入模块,但仅对当前Notebook会话生效,不适用于生产级长期作业运行。
需规避常见错误操作:不要使用!pip install写法,该写法会将库安装到驱动节点的系统Python路径,既不会同步到集群工作节点,也不会被Notebook的解释器识别,属于无效安装。 - 排查Python路径冲突问题
若完成安装后仍报导入错误,可执行语句检查当前解释器的搜索路径:import sys; print(sys.path)
确认输出路径中是否包含Databricks标准的第三方库安装目录(一般为/databricks/python/lib/python3.x/site-packages),如果路径缺失,基本是之前的安装操作将包装到了错误路径下,清理无效安装记录后重新通过集群库配置页安装即可。若集群配置了自定义初始化脚本覆盖了原有路径逻辑,可临时切换到无自定义配置的标准Runtime,重新安装库验证问题。 - 切换Databricks ML Runtime降低环境调优成本
若反复安装出现版本兼容问题,可将集群Runtime切换为Databricks Machine Learning Runtime,该版本预配置了绝大多数机器学习框架的兼容版本,仅需补装缺失的azureml系列组件即可运行AutoML实验,可大幅减少依赖冲突、路径不匹配带来的导入报错概率。
注意:完成基础导入验证后,需额外测试
from azureml.train.automl import AutoMLConfig语句是否能正常执行,避免因为缺少forecasting模块的配套依赖,跑到实验初始化环节再次触发导入类报错。
内容的提问来源于stack exchange,提问作者Raju Choudhari
相关产品推荐
相关产品推荐

