Блог

Я пытаюсь зарегистрировать рабочую область tp модели блоков данных Azure ML с mlflow.azure.base_image помощью model. Но с помощью этого метода мы можем сохранить Azure ML изображение по умолчанию ACR , подключенное к Azure ML рабочей области.

Но я хочу сохранить Azure ML изображение в другом существующем ACR . Нужна помощь в определении дизайна.

Метод, который я использую, заключается в следующем

     workspace = Workspace.create(name = workspace_name,
                                 location = workspace_location,
                                 resource_group = resource_group,
                                 subscription_id = subscription_id,
                                 auth=svc_pr,
                                 exist_ok=True)

    import mlflow.azureml

    model_image, azure_model = mlflow.azureml.build_image(model_uri=model_uri, 
                                                          workspace=workspace,
                                                          model_name="winequality",
                                                          image_name="winequality",
                                                          description="Sklearn ElasticNet image for predicting wine quality",
                                                          synchronous=True)

    #model_image.wait_for_creation(show_output=True)
    print("Access the following URI for build logs: {}".format(model_image.image_build_log_uri))                                    
  

Присоедините существующий ACR при создании рабочей области Azure ML и предоставлении необходимых разрешений (роли участника) для используемого участника службы.

 workspace = Workspace.create(name = workspace_name,
                                 location = workspace_location,
                                 resource_group = resource_group,
                                 subscription_id = subscription_id,
                                 auth=svc_pr,
                                 container_registry=<resource_id>,
                                 exist_ok=True)
import mlflow.azureml

model_image, azure_model = mlflow.azureml.build_image(model_uri=model_uri, 
                                                      workspace=workspace,
                                                      model_name="winequality",
                                                      image_name="winequality",
                                                      description="Sklearn ElasticNet image for predicting wine quality",
                                                      synchronous=True)

#model_image.wait_for_creation(show_output=True)
print("Access the following URI for build logs: {}".format(model_image.image_build_log_uri))