azure-machine-learning

0熱度

1回答

我是Azure ML的新手，我試圖將Web輸入傳遞給我的Scorer，並且我的R腳本返回Web輸出。 Screenshot - Design of my expertment 輸入參數：預測號做 - 字符型輸出參數：預測 - 數據幀對於每一個輸入我通過，我會得到相同的output.Can大家幫我出？在此先感謝。解決方案 Web服務輸出一般只顯示一個值。所以默認情況下它會獲取幀的第一行元素。

2熱度

1回答

將R（本地）中保存的ML模型上傳到Azure機器學習工作室

我正試圖減少在Azure ML Studio上創建ML Web服務的開發難題。卡住我的一件事是，我們可以在工作臺中上傳.rda文件並通過RScript加載它（如下圖所示）。但不能直接連接到R腳本塊。還有另一種方法可以做到這一點（可以上傳Azure R目錄中不可用的軟件包） - 使用zip。但是，我發現在.zip中訪問.rda文件時沒有真正的資源。我在這裏有2個選項，使.zip工作或任何其他工作

1熱度

1回答

Azure ML web服務列未按預期返回

我創建了一個幫助對描述進行分類的實驗，這一切都正常。但它不會告訴我權重。當在演播室網站上點擊測試實驗並調用服務時，我得到一個包含大量有用數據（如列名和權重）的JSON blob。當我使用C＃從我的應用程序實際使用Web服務時，返回的json不包含此信息？有什麼理由呢？感謝安迪

0熱度

1回答

在兩個azureml環境之間共享數據集

一位朋友給我發送了一個python3筆記本和他的數據集來驗證他的筆記本。但是當我嘗試用自己的數據集在我azureml工作區，我有一個錯誤，指出該數據集不存在他送我他datset代碼： from azureml import Workspace ws = Workspace( workspace_id='toto', authorization_token='titi',

0熱度

1回答

機器學習工作室 - 實驗卡在隊列中

當我嘗試運行我的實驗時，發現我卡在排隊中。是的，我在一個免費的帳戶，但我沒有在同一時間運行兩個項目。我試過刪除我的所有項目並創建一個新的，但是這也沒有通過排隊階段。感謝您的幫助

2熱度

1回答

如何培養辦公人員？

我想統計1）會議室裏有多少人，2）100人的辦公室。我想有房間或辦公室入住的條形圖。我從像Viametrics這樣的供應商處瞭解到，像熱成像攝像機這樣的攝像機必須安裝在會議室外的屋頂上，以便進出流量。看起來普通的相機可以使用或者某種墊子。我嘗試了Azure Cognitive Emotion API來計算人數，但只有在相機看到整個臉部時纔可靠。實驗結果是我們無法使用Emotion API。我

1熱度

1回答

在Azure中執行現有的Python代碼ML

我有一個編寫Python的代碼，我需要將它部署到Azure ML上。 python代碼由許多函數組成，並以Jason格式返回輸出。但是，當在Azure ML上實施時，沒有錯誤。但是，沒有像這樣產生的結果。它顯示結果數據集和Python設備數據集的輸入數據集。我可以知道，怎麼去做。我是新Azure的ML，是不知道如何去做

2熱度

1回答

AzureML中每個人的訓練模型

我想訓練每個人在天青毫升中的ANN模型。例如，有一個應用程序想要分別瞭解每個人的行爲。這在azure-ml中怎麼可能？任何建議？據我所知，我可以創建一個模型並用一些數據進行訓練，但我不知道如何針對每個用戶進行專門的訓練。我應該提到，我正在尋求一種適用於真實情況的可擴展構想（可能爲10萬用戶）。

1熱度

1回答

如何從Azure ML中的python腳本獲取web服務的輸出ML

我是Azure ML的新手，我試圖在Azure ML中實現python腳本。我試圖部署Web服務，但我只獲得一個字符串作爲輸出。當我單獨運行python腳本時，我得到了結果，但是當在Web服務中實現時，我只得到一個聲明「執行正常」。請讓我知道，如何去做。 The output returns a Json format. 下面是Python腳本我的輸出： User Patterns [{"

1熱度

1回答

Azure的ML R型列車及分數Web服務

我創建從畫廊的Azure的機器學習樣本「R Model Train & Score」，跟着教程。然而，當我安裝，部署Web服務（如[新]預覽）和測試，我得到的錯誤： Score Model (RPackage) : Given path to R installation not found on machine or R executable not at this location 經典的部署