在azure as服务上部署经过培训的python数据科学项目

我用Python anaconda Spyder创建了一个数据科学神经网络。我的项目有多个.py文件，我对这个模型进行了10天的训练，并生成了权重。我希望将此模型用作服务，并希望将其部署到Azure以供使用。我试着跟随，但遇到了困难-

1） 我尝试在Azure ML studio中将其作为“执行Python脚本”部署，但没有找到上传权重的选项。我知道我可以压缩所有的.py文件，但是训练过的权重和虚拟环境呢（我使用的是旧版本的tensorflow）

2） 我看到了一个创建Jupyter笔记本的选项，但我的项目是在Spyder中创建的，没有.ipynb文件。有没有办法将我的.py文件转换成.ipynb文件？此外，我还使用旧版本的tensorflow和python版本创建了一个虚拟环境？在部署到azure时如何处理此问题

3） 我尝试将其作为python web应用程序部署到azure，但我该如何处理虚拟环境和现有权重？另外，如何创建webapp所需的配置或依赖项文件

请告诉我，如果可能的话，将此解决方案部署到azure的最佳方法是什么

---

谢谢

我帮不了你多少忙，因为你似乎对它不熟悉，而且很难用语言来表达

首先，您是否保存了经过培训的模型？如果已保存，则可以上载保存的模型，并在部署后重新加载

其次，你不需要使用jupyter笔记本，这在你的情况下是没有意义的

第三，您不需要自己创建virtualenv。您只需要提供一个

requirements.txt

文件来指定所需的所有包。Azure web app将自动创建一个virtualenv，并在

requirements.txt

中安装每个软件包

---

最后，如果你想解决这个问题，你应该先从一些开始。

根据你的描述，听起来你想在Azure ML Studio上部署你训练有素的tensorflow模型作为一个

执行Python脚本

模块，并将其发布为Web服务供使用

因此，如果不考虑tensorflow纯CPU]代码的兼容性，正如您所说，您可以参考官方文档和So线程来压缩所有文件和依赖项，其中包括

.py

文件和导出的训练模型作为只读文件，以设置Azure ML Web服务，如所述

或者有一个类似的线程将模型保存为

protobuf

以供使用

然而，对于该场景，仅使用Azure GPU机器或Docker进行部署的一些变通方法非常简单。请参考这些和

---

希望有帮助。

谢谢你们两位。我能够部署它。@Raj太好了，你们可以标记这个答案供其他人参考。谢谢！