首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >PowerBI和MLflow集成(通过AzureML)

PowerBI和MLflow集成(通过AzureML)
EN

Stack Overflow用户
提问于 2020-09-16 12:59:50
回答 1查看 452关注 0票数 0

目前,我正在尝试将当前部署为AzureML上的with服务的ML模型与PowerBI集成起来。

我看到它可以是综合化,但是当它是部署为webservice时,该模型需要添加一个模式文件。没有这一点,就无法在PowerBI中查看该模型。

遇到的问题是,我使用MLflow记录ML模型的性能,然后使用MLflow的AzureML集成( mlflow.azureml.deploy() )将选定的模型部署到AzureML上作为use服务。不幸的是,在模型部署之前,它没有定义模式文件的选项,从而导致在PowerBI中没有可用的模型,因为它缺少所需的模式文件。

我的选择似乎是:

  1. 找到一个解决办法,可能使用工作的power查询中模型的REST
  2. 重写部署代码,并在Azure而不是MLflow中处理webservice部署步骤。

我想我会问我是否遗漏了什么,因为在使用MLflow ()部署时,我无法使用当前的代码在mlflow.azureml.deploy()中定义模式文件。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-09-20 12:28:40

第二点是我们解决这个问题的方法。我们没有使用MLflow部署到Azure上的评分服务,而是编写了一个自定义代码,在容器初始化时加载MLflow模型。

评分代码如下所示:

代码语言:javascript
运行
复制
import os
import json
from mlflow.pyfunc import load_model

from inference_schema.schema_decorators import input_schema, output_schema
from inference_schema.parameter_types.numpy_parameter_type import NumpyParameterType

def init():
    global model
    model = load_model(os.path.join(os.environ.get("AZUREML_MODEL_DIR"), "awesome_model"))

@input_schema('data', NumpyParameterType(input_sample))
@output_schema(NumpyParameterType(output_sample))

def run(data):
    return model.predict(data)
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/63920599

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档