azure-machine-learning-service - 如何使用 CLI 或 SDK 在 Azure 机器学习服务中注册 900mb 的本地模型

Question

我有一个 900mb 型号和一个 9mb 型号。

我正在使用最新版本的 Azure ML CLI 使用以下命令在我的工作区中注册它：

az ml model register -n "rj-model" --model-path "models\model_v1.bin -t "model-deployment\model.json"

9mb 文件成功上传，但 900mb 文件超时并出现以下错误：

{'Azure-cli-ml Version': '1.0.60.1', 'Error': AzureHttpError('Operation could not be completed within the specified time. ErrorCode: OperationTimedOut\n<?xml version="1.0" encoding="utf-8"?><Error><Code>OperationTimedOut</Code><Message>Operation could not be completed within the specified time.\nRequestId:2822b750-801e-0061-65fe-71aa88000000\nTime:2019-09-23T11:03:52.5521518Z</Message></Error>',)}

UI 的超时阈值更低。

我对解决这个问题的想法：

• 我需要将模型上传到 blob 存储并从云而不是本地访问它。我检查了Model Register方法，它有一个--asset-path属性，但是这是一个实验（我没有用 AML 进行实验——数据科学家正在他自己的工作流程中做这些实验，并将模型传递给我部署）。
• DataStore 看起来很有希望，我可以将我的模型安装在一个 blob 上（在使用 Storage Explorer 上传它之后）并访问它 - 但是我似乎无法使用 CLI 执行此操作。Python SDK 确实具有数据集属性但没有数据存储属性，并且Register 方法似乎没有云选项。

所以我的问题是：如何在 Azure ML 中注册大型模型？

标签： azure-machine-learning-service