我使用Azure机器学习服务将ML模型部署为Web服务。
我registered a model
现在希望将其部署为Qazxswpoi中的ACI Web服务。
为此我定义
the guide
和
from azureml.core.webservice import Webservice, AciWebservice
from azureml.core.image import ContainerImage
aciconfig = AciWebservice.deploy_configuration(cpu_cores=4,
memory_gb=32,
tags={"data": "text", "method" : "NB"},
description='Predict something')
并创建一个图像
image_config = ContainerImage.image_configuration(execution_script="score.py",
docker_file="Dockerfile",
runtime="python",
conda_file="myenv.yml")
图像创建成功
创建图像图像创建操作已完成图像记分器 - 图像:5,操作“成功”
此外,通过在Azure VM上本地运行映像来对映像进行故障排除
image = ContainerImage.create(name = "scorer-image",
models = [model],
image_config = image_config,
workspace = ws
)
允许我成功运行(本地)查询sudo docker run -p 8002:5001 myscorer0588419434.azurecr.io/scorer-image:5
。
但是,部署用
http://localhost:8002/score
失败了
创造服务 运行。 FailedACI服务创建操作完成,操作“失败” 服务创建轮询到达终端状态,当前服务状态:转换 服务创建轮询到达终端状态,收到意外响应。转变
我尝试在qazxsw poi中设置更加慷慨的qazxsw poi,但无济于事:部署保持在转换状态(如下图所示,如果在Azure门户上进行监控):service_name = 'scorer-svc'
service = Webservice.deploy_from_image(deployment_config = aciconfig,
image = image,
name = service_name,
workspace = ws)
另外,运行aciconfig
给了我
WebserviceException:从Model Management Service收到错误响应:响应代码:404
什么可能是罪魁祸首?
如果ACI部署失败,则一种解决方案是尝试分配更少的资源,例如,
memory_gb
虽然抛出的错误消息并不是特别有用,但实际上这在中有明确说明:
当某个区域负载很重时,您可能会在部署实例时遇到故障。要缓解此类部署失败,请尝试部署具有较低资源设置的实例[...]
文档还说明了哪些是不同区域中可用的CPU / RAM资源的最大值(在撰写本文时,由于资源不足,需要使用service.get_logs()
进行部署可能会在所有区域中失败)。
在需要更少的资源时,部署应该成功
创造服务 运行................................................. ..... SucceededACI服务创建操作完成,操作 “成功”健康