説明
グラフィカルユーザーインターフェース、テキスト、アプリケーション、電子メールの説明が自動的に生成されます

ステップ1: ワークステーションにDockerをインストールする
前提条件には、ローカル システムに機能する Docker インストールが含まれます。
コンピューティング ノードに dockerfile をビルドまたはダウンロードします。
手順 2: AksWebservice デプロイ構成を作成し、そこにモデルをデプロイする Azure Kubernetes Service にモデルをデプロイするには、必要なコンピューティング リソースを記述するデプロイ構成を作成します。
# 開発/テスト用に構成されたクラスタにデプロイする場合は、十分な容量で作成されたことを確認してください。
このデプロイメント構成を処理するには、コアとメモリが必要です。メモリは、
# 依存関係や AML コンポーネントなど。
deployment_config = AksWebservice.deploy_configuration(cpu_cores = 1, memory_gb = 1) service = Model.deploy(ws, "myservice", [model], inference_config, deployment_config, aks_target) service.wait_for_deployment(show_output = True) print(service.state) print(service.get_logs()) ステップ3: サービス用のLocalWebserviceデプロイ構成を作成し、そこにモデルをデプロイします。ローカルにデプロイするには、LocalWebservice.deploy_configuration()を使用してデプロイ構成を作成するようにコードを変更します。次に、Model.deploy()を使用してサービスをデプロイします。
ステップ4: 必要に応じてスコアリングスクリプトをデバッグおよび修正します。修正後は、サービスの reload() メソッドを使用してください。
ローカルテスト中は、ログ記録を追加したり、発見した問題を解決したりするために、score.py ファイルを更新する必要がある場合があります。score.py ファイルの変更を再読み込みするには、reload() を使用します。例えば、次のコードはサービスのスクリプトを再読み込みし、データを送信します。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-deploy-azure-kubernetes-service
https://docs.microsoft.com/en-us/azure/machine-learning/ローカル展開のトラブルシューティング方法