Visual studio Azure（C#）System.IO.FileNotFoundException:找不到文件

我已经用VisualStudio创建了一个ML模型。我也用Visual Studio将web应用程序上载到Azure。然而，当我填写我的ML模型的字段并在网站上单击“运行”时，我得到了这个错误，我直接从Azure应用程序服务编辑器复制了这个错误

我只是在尝试在Azure网站上运行ML模型时出现此错误，如果我在我的计算机上运行web应用程序，我一点错误都没有

谢谢：）

错误：
2020-07-18 01:12:59.138+00:00[错误]Microsoft.AspNetCore.Diagnostics.ExceptionHandlerMiddleware:执行请求时发生未经处理的异常。
System.IO.FileNotFoundException:找不到文件“C:\Users\X\X\fileML.Model\MLModel.zip”。
文件名：“C:\Users\X\X\fileML.Model\MLModel.zip”
____________________
我的代码：
//此文件由ML.NET模型生成器自动生成。
使用制度；
使用System.Collections.Generic；
使用System.IO；
使用System.Linq；
使用系统文本；
使用Microsoft.ML；
使用fileML.Model；
名称空间fileML.Model
{
公共类消费模型
{
private static readonly Lazy PredictionEngine=new Lazy（CreatePredictionEngine）；
//有关使用ML.NET模型的更多信息，请访问https://aka.ms/mlnet-consume
//在应用程序中使用模型的方法
公共静态模型输出预测（模型输入）
{
ModelOutput结果=PredictionEngine.Value.Predict（输入）；
返回结果；
}
公共静态PredictionEngine CreatePredictionEngine（）
{
//创建新的MLContext
MLContext MLContext=新的MLContext（）；
//负载模型和创建预测引擎
字符串modelPath=@“C:\Users\X\X\fileML.Model\MLModel.zip”；
ITransformer mlModel=mlContext.Model.Load（modelPath，out u）；
var predEngine=mlContext.Model.CreatePredictionEngine（mlModel）；
返回引擎；
}
}
}

您正试图从C:\Users\X\X\X\fileML.Model加载文件MLModel.zip。这就是您的本地计算机路径。Azure Web应用程序中不存在该路径

如果确实要存储在本地目录中，有两种方法：

Azure Web应用程序中解析为 相当于您站点的inetpub。您的应用程序数据文件夹位于 位于%HOME%\site\wwwroot\AppData

Azure Web应用程序和本地计算机上的临时环境

---

您正试图从C:\Users\X\X\X\fileML.Model加载文件MLModel.zip。这就是您的本地计算机路径。Azure Web应用程序中不存在该路径

如果确实要存储在本地目录中，有两种方法：

Azure Web应用程序中解析为 相当于您站点的inetpub。您的应用程序数据文件夹位于 位于%HOME%\site\wwwroot\AppData

Azure Web应用程序和本地计算机上的临时环境

---

Nathan，欢迎来到stackoverflow。

这里是您缺少的东西：
您正试图从您的计算机访问本地路径，但Azure上没有本地计算机，因此每当您编写代码试图访问硬编码的同一路径时，都会导致错误。

我的建议是将zip文件添加到项目中，一旦添加，右键单击该文件并标记Copy to Output Directory-Copy always

请参见下文

这将有助于从输出目录获取本地文件路径。 现在是时候更改代码以动态获取文件了

您可以使用

string directoryPath = Directory.GetCurrentDirectory();
string modelPath= Path.Combine(directoryPath ,"MLModel.zip");

这将获得文件路径。只需在本地服务器上测试代码并部署应用程序

好的是，现在模型文件将与代码一起部署。每次更改模型时，只需替换文件并再次部署代码。

---

提示使其更具动态性：-您还可以使用Azure Blob存储来保存zip文件，通过使用它，您无需反复部署代码。只需替换侧块中的文件。

内森，欢迎来到stackoverflow。

这里是您缺少的东西：

public static PredictionEngine<ModelInput, ModelOutput> CreatePredictionEngine()
    {
        // Create new MLContext
        MLContext mlContext = new MLContext();

        // Load model & create prediction engine
        string directoryPath = Directory.GetCurrentDirectory();
        string modelPath = Path.Combine(@"C:\Users\Admin\source\repos\ShanuASPMLNETML.Model\MLModel.zip","MLModel.zip");
        
        ITransformer mlModel = mlContext.Model.Load(modelPath, out _);
        var predEngine = mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(mlModel);

        return predEngine;
    }
}

您正试图从您的计算机访问本地路径，但Azure上没有本地计算机，因此每当您编写代码试图访问硬编码的同一路径时，都会导致错误。

我的建议是将zip文件添加到项目中，一旦添加，右键单击该文件并标记Copy to Output Directory-Copy always

请参见下文

这将有助于从输出目录获取本地文件路径。 现在是时候更改代码以动态获取文件了

您可以使用

string directoryPath = Directory.GetCurrentDirectory();
string modelPath= Path.Combine(directoryPath ,"MLModel.zip");

这将获得文件路径。只需在本地服务器上测试代码并部署应用程序

好的是，现在模型文件将与代码一起部署。每次更改模型时，只需替换文件并再次部署代码。

提示使其更具动态性：-您还可以使用Azure Blob存储来保存zip文件，通过使用它，您无需反复部署代码。只需替换side blob中的文件。

public static PredictionEngine CreatePredictionEngine（）
public static PredictionEngine<ModelInput, ModelOutput> CreatePredictionEngine()
    {
        // Create new MLContext
        MLContext mlContext = new MLContext();

        // Load model & create prediction engine
        string directoryPath = Directory.GetCurrentDirectory();
        string modelPath = Path.Combine(@"C:\Users\Admin\source\repos\ShanuASPMLNETML.Model\MLModel.zip","MLModel.zip");
        
        ITransformer mlModel = mlContext.Model.Load(modelPath, out _);
        var predEngine = mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(mlModel);

        return predEngine;
    }
}

{
//创建新的MLContext
MLContext MLContext=新的MLContext（）；
//负载模型和创建预测引擎
字符串directoryPath=Directory.GetCurrentDirectory（）；
字符串modelPath=Path.Combine（@“C:\Users\Admin\source\repos\ShanuASPMLNETML.Model\MLModel.zip”，“MLModel.zip”）；
ITransformer mlModel=mlContext.Model.Load（modelPath，out u）；
var predEngine=mlContext.Model.CreatePredictionEngine（mlModel）；
返回引擎；
}
}

公共静态预测引擎CreatePredictionEngine（）
{
//创建新的MLContext
毫升