問題タブ [azureml]

かなり自明な質問。Azure ML Notebooks と Azure Databricks はいつ使用する必要がありますか? この 2 つの製品には大きな重複があると感じており、一方が他方よりも確実に販売されています。

主に、データセットのサイズと典型的なワークフローに関する情報を探しています。Spark 指向のワークフローがない場合、AzureML で Databricks を使用する必要があるのはなぜですか?

ありがとう ！

モデルをロードしようとしていますが、モデルが古いバージョンの XGBoost で作成されているため、問題が発生しています。私は彼らのウェブサイトに行って見ましたが、どの構文がこれを適切に修正し、モデルを適切にロードするかについて明確な方向性を示していません。また、joblib でロードするときに XGBoost が必要であることにさえ気づきませんでした。

以下はコードです：

そして、これはエラーです：

raise XGBoostError(py_str(_LIB.XGBGetLastError())) xgboost.core.XGBoostError: [15:33:27] C:\Users\Administrator\workspace\xgboost-win64_release_1.0.0\src\learner.cc:682: チェックに失敗しました: ヘッダー == serialisation_header_:

古い XGBoost によって生成されたシリアル化されたモデル (Python の pickle など) をロードしている場合は Booster.save_model、最初にそのバージョンから呼び出してモデルをエクスポートし、次に現在のバージョンにロードし直してください。プロセスを支援するための簡単なスクリプトがあります。見る：

スクリプトへの参照、およびモデルの保存とシリアル化の違いに関する詳細については。