Python 在部署Azure ML实验服务时包括其他脚本

在训练我的模型时，我开始使用的数据由json数据行和我希望从该json数据预测的预期值组成。json数据遵循我部署的服务将作为接收输入的模式。在培训之前，我运行了许多python函数来转换数据并提取从原始json数据计算出的特性。这就是我的模型训练的转换数据

我提取了将json数据转换为模型期望的输入的代码，并将其转换为一个单独的python文件。现在，我想让我的评分脚本使用该python脚本来准备发送到服务的输入，然后再将其输入到经过培训的模型中

在使用cli命令部署我的服务时，是否有方法将数据转换脚本与计分脚本包括在一起：

az ml service create realtime 
    -f <scoring-script>.py 
    --model-file model.pkl 
    -s service_schema.json 
    -n <some-name> 
    -r python 
    --collect-model-data true 
    -c aml_config\conda_dependencies.yml

azml服务创建实时
-f.py
--模型文件model.pkl
-s service_schema.json
-n
-r蟒蛇
--收集真实的模型数据
-c aml\u config\conda\u dependencies.yml

（为清晰起见，添加了上述命令中的新行）

我想到的两种方法是：

• 创建我自己的包含转换脚本的基本docker映像，并将该映像用作我的服务的基础。如果我需要为以后的模型进行类似（但不同）的数据转换，那么这样做似乎有点麻烦
• 将转换脚本与我的评分脚本连接到单个文件中。看起来有点老套

---

是否有其他方法可以实现我的目标，即在培训和评分中使用单独的数据转换脚本？

因此运行

az ml service create realtime-h

提供有关

-d

标志的信息

-d：服务所需的文件和目录。可以使用附加的-d参数指定多个依赖项。

请尝试使用此标志，并提供您想从

score.py调用的附加python文件