Question

我已经能够使用图像配置方法成功托管模型

service = Webservice.deploy_from_model(workspace=ws,
                                   name='name_of_model',
                                   deployment_config=aciconfig,
                                   models=[model],
                                   image_config=image_config)

但是此方法将被环境方法弃用

因此，我尝试使用以下弃用消息中建议的Environment方法。但是我总是会超时。它永远不会像旧的容器方法一样成功部署

How to Use Environments - Microsoft Azure ML

基于我的环境的部署代码

下面是我的代码，其中inference_config指向score.py，deployment_config指向容器的规范。我可以看到该服务已创建，并且正在上传模型。但是服务永远不会进入“健康”状态。但是，容器部署模型中的相同代码也可以正常工作。

service = Model.deploy(
workspace = ws,
name = "name_of_model",
models = [model],
inference_config = inference_config,
deployment_config = deployment_config)

Azure ML提供的现有环境中的我的环境配置

my_env=Environment.get(workspace=ws,name='AzureML-Scikit-learn-0.20.3') # using Azure Optimized sklearn environment

该环境在推理配置中被引用

inference_config = InferenceConfig(entry_script="scorev3.py", environment=my_env) # using the initialized variable my_env

关于为什么在部署此服务器时会超时的任何线索？我当然觉得这与Internet连接无关，因为旧方法需要花费相似的长时间（10-12分钟）来部署并经历完美的时间？

在Azure ML环境中部署模型

0 个答案: