为什么Azure ML Studio (经典)需要额外的时间来执行Python脚本？

Question

我一直在使用ML Studio (经典)，但遇到了一个“执行Python”脚本的问题。我注意到执行一些内部任务需要额外的时间，之后它将开始在ML Studio中执行实际的Python代码。这种延迟导致每个模块的时间增加了40-60秒，当通过批处理执行系统消耗或手动运行实验时，该时间聚合并导致每次执行的延迟400-500秒。(我有多个模块的“执行Python”脚本)

例如，如果我在本地系统中运行一段代码，假设需要2-3秒。在Azure ML Studio中，这同样需要50-60秒的时间。

您能帮助理解这背后的原因或任何可以做的优化吗？

向您致敬，Anant

Answer 1

Machine Learning Studio (经典)的已知限制是：

Python运行时被沙箱保护，不允许以持久方式访问网络或本地文件系统。

模块完成后，本地保存的所有文件都会被隔离并删除。Python代码不能访问运行它的机器上的大多数目录，只有当前目录及其子目录例外。

当您将压缩文件作为资源提供时，这些文件将从您的工作区复制到实验执行空间，解压缩，然后使用。复制和解包资源会消耗内存。

该模块可以输出单个数据帧。不可能将任意的Python对象(例如经过训练的模型)直接返回Studio (经典)运行时。但是，您可以将对象写入存储或工作区。另一种选择是使用pickle将多个对象序列化为一个字节数组，然后在数据帧内返回该数组。

希望这能有所帮助！