Как подготовить данные для пакетного вывода в Azure ML?

Вы должны предоставить CSV-файл с именами столбцов, который имеет правильное имя или подпись в соответствии с развертыванием.

Если вы видите этот пример, который представляет собой пакетное развертывание модели суммирования текста.

Код драйвера принимает пакетный ввод, затем загружает его с помощью load_dataset и извлекает столбец text для прогнозов.

def run(mini_batch):
    resultList = []

    print(f"[INFO] Reading new mini-batch of {len(mini_batch)} file(s).")
    ds = load_dataset("csv", data_files = {"score": mini_batch})

    start_time = time.perf_counter()
    for idx, text in enumerate(ds["score"]["text"]):

Кроме того, при вызове конечной точки пакета данные передаются как тип input.

input = Input(type=AssetTypes.URI_FOLDER, path = "data")
job = ml_client.batch_endpoints.invoke(
   endpoint_name=endpoint.name,
   input=input,
)

Здесь тип ввода — это тип папки и файлы csv или сохраненные в папке data.

Итак, проверьте код драйвера или сценарий оценки, к какому столбцу он обращается, и укажите то же самое в CSV.

Кроме того, вы вызываете конечную точку пакета с количеством файлов CSV, как указано в приведенном выше коде.

Если вы не можете найти сценарий или подпись оценки, разверните конечную точку пакета с помощью собственного сценария оценки с помощью code/batch_driver.py в приведенной выше документации.

Создайте файлы CSV с сообщением столбца, содержащим строку, а затем прочитайте его в своем пользовательском сценарии оценки для прогнозирования.