我正在尝试在端点中部署机器学习模型。我已经将模型注册为“ModelTest”。我试图根据历史数据预测销售额，因此为了预测下个月的销售额，我将前六个月的销售额传递给模型。为此，我需要访问历史数据。将历史数据上传到Azure中的数据资产中。
我知道我应该在评分脚本中编写预处理代码，但我找不到将历史数据从数据资产上载到端点的正确方法。
我尝试按照Azure文档中的示例部署模型而不进行预处理，它运行得很顺利。

import os
import logging
import json
import numpy
import pickle

def init():
    """
    This function is called when the container is initialized/started, typically after create/update of the deployment.
    You can write the logic here to perform init operations like caching the model in memory
    """
    global model
    # AZUREML_MODEL_DIR is an environment variable created during deployment.
    # It is the path to the model folder (./azureml-models/$MODEL_NAME/$VERSION)
    # Please provide your model's folder name if there is one
    model_path = os.path.join(
        os.getenv("AZUREML_MODEL_DIR"), "ModelTest.sav"
    )
    # deserialize the model file back into a sklearn model
    model = pickle.load(open(model_path,'rb'))
    logging.info("Init complete")

def run(raw_data):
    """
    This function is called for every invocation of the endpoint to perform the actual scoring/prediction.
    In the example we extract the data from the json input and call the scikit-learn model's predict()
    method and return the result back
    """
    logging.info("model 1: request received")
    data = json.loads(raw_data)["data"]
    data = numpy.array(data)
    
    result = model.predict(data)
    logging.info("Request processed")
    return result.tolist()

字符串
然后，我尝试使用“pd.read_csv”在init函数中上载数据资产。我已经尝试了资产的“数据源”选项卡中的所有三个路径，但它们都给予了错误，因为容器无法访问数据。例如使用以下

Data=pd.read_csv('https://machinelearnin6474979439.blob.core.windows.net/azureml-blobstore-b6321cf2-b0da-411e-97bb-9be13a8d1c89/UI/2023-06-26_132526_UTC/Data.csv'')

型
我得到“URL链接错误. HTTP错误：HTTP错误409：此存储帐户不允许公共访问。”，而对于其他路径，它无法识别它们。
我认为read_csv应该可以工作，因为pickle.load可以，所以我认为这是一个使用正确路径的问题。