使用Azure函数部署python机器学习模型

我在本地开发了一个机器学习模型，并希望使用Azure函数将其部署为web服务

首先，使用pickle模块将模型保存为二进制，然后上传到与Azure函数（python语言，http触发器服务）实例关联的blob存储中

然后，在安装所有必需的模块后，使用以下代码对样本数据进行预测：

import json
import pickle
import time

postreqdata = json.loads(open(os.environ['req']).read())

with open('D:/home/site/wwwroot/functionName/model_test.pkl', 'rb') as txt:
    mod  = txt.read()
txt.close()

model = pickle.loads(mod)
scs= [[postreqdata['var_1'],postreqdata['var_2']]]

prediciton = model.predict_proba(scs)[0][1]

response = open(os.environ['res'], 'w')
response.write(str(prediciton))
response.close()

其中：predict\u proba是一种用于训练的训练模型方法，scs变量定义用于从POST请求中提取特定值（模型变量值）

整个代码工作正常，预测作为响应发送，值是正确的，但发送请求后的执行持续150秒！（局部小于1s）。此外，在尝试测量代码的哪一部分花费了这么长时间之后：它是第10行（pickle.loads（mod））

你知道为什么要花这么多时间吗？模型大小非常小（几kB）

谢谢

向AML发出呼叫时，第一次呼叫必须使AML预热 容器。默认情况下，web服务有20个容器。每个容器 温度较低，且冷容器可能导致较大（30秒）延迟

我建议您参考此线程并了解Azure ML性能

---

希望它能帮助您。

注意，我的代码中没有调用AML。这是一个简单的HTTP触发Azure函数。只有解钩部分速度很慢。@a_kord抱歉。您可以参考此问题：。也许你能找到一些线索。