是否可以加快本地AzureML模型的部署？

Question

我们希望能够快速测试对entry_script.py的更改。我们可以使用单元测试测试小的更改，但是我们希望在本地的其他后端部件的上下文中运行一个模型。

因此，我们使用带有computeType of LOCAL的部署配置来运行LOCAL。非本地部署是缓慢的，但我们希望本地部署会更快。不幸的是，事实并非如此。在某些情况下，将模型部署到本地端点需要20分钟的时间。

是否有一种方法可以加快速度以加快编辑-调试循环，还是有更好的方法来处理此场景？

我在想的事情很少：

• I认为az ml service update可以是一个选项，但即使这样也需要很长时间。直接在容器中编辑文件是一种选择，但手动同步本地文件系统的更改仍然很烦人。
• I正在考虑在容器中安装文件夹，但似乎存在一些神奇的AzureML功能，例如将entry_script.py复制到/var/azureml-app/main.py。我们也许可以通过在本地创建一个与布局匹配的dist文件夹并将其挂载到容器中来模拟这种情况，但我不确定这个文件夹布局是否会改变，或者AzureML还会做其他事情。

Answer 1

请按照下面的笔记本，如果你想测试快速部署模型，你应该查看https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/deployment/deploy-to-local

SDK允许在本地构建和运行对接器，并在脚本上迭代以节省时间时进行相应的更新。