azure-machine-learning-studio - 将 Azure ML 部署到自定义 kubernetes
问题描述
是否可以使用 helm 图表将 Azure ML 生成的映像部署到自我管理的 Kubernetes?我们只想消费图像和模型。
我看到当它部署到 AKS 中的推理集群时,Azure ML 设置了某些 ENV 变量。那么,想了解是否有人在自定义 kubernetes 集群上手动完成了此设置,有哪些挑战?
原因是部署到已经由生产团队管理的集群。
解决方案
下载入口脚本文件和 conda 依赖文件,其中解释了我们如何可以访问 Train 模块的 Output + logs 选项卡下的 score.py 和 conda_env.yaml 文件。
本文介绍如何允许 Web 服务安全地访问 Azure 资源,而无需直接在 score.py 脚本中嵌入凭据或管理令牌。
推荐阅读
- python - 如何在此 python 代码上获得更好的性能
- python - 如何使用 Python 关闭终端?
- java - 当 Hibernate 从 4.x 升级到 5.x 和 Spring 4.x for Multi-Threaded 时出现 ConcurrentModificationException
- java - Apache Spark:有没有办法在 spark 中读取 CSV 文件并将它们直接转换为 Byte[] 而无需将文件保存在任何地方
- c# - C# 中的 MS Dynamics Query 审计返回 EntityReference 而不是名称
- sql-update - Sequelize 模型仅在我注销然后重新登录时更新
- powershell - 使用powershell,如何从客户端修改和保存客户端outlook规则?
- python - 如何比较两个图中的节点和边?
- android - 设备突然停止接收 Firebase 数据消息
- json - 如何从网页中查找元素并将其导入 Google 表格单元格?