实际上，解决方案是将我的自定义类 MultiColumnLabelEncoder 作为pip包导入（您可以通过pip install multilllabelencoder == 1.0.5找到它）。 然后，我将pip包传递到.yml文件或azure ml环境的InferenceConfig中。 在score.py文件中，我按如下所示导入了该类：

from multilabelencoder import multilabelencoder
def init():
    global model

    # Call the custom encoder to be used dfor unpickling the model
    encoder = multilabelencoder.MultiColumnLabelEncoder() 
    # Get the path where the deployed model can be found.
    model_path = os.path.join(os.getenv('AZUREML_MODEL_DIR'),'k_means_model_45.pkl')
    model = joblib.load(model_path)

然后，部署成功。 更重要的一件事是，我必须在培训管道中使用与此处相同的pip包（multilabelencoder）：

from multilabelencoder import multilabelencoder 
pipe = Pipeline([
    ("encoder",multilabelencoder.MultiColumnLabelEncoder(columns)),('k-means',kmeans),])
#Training the pipeline
trainedModel = pipe.fit(df)

我正面临相同的问题，试图部署一个依赖于我自己的某些脚本的模型并收到错误消息：

 ModuleNotFoundError: No module named 'my-own-module-name'

在MS documentation中找到了这种“专用车轮文件”解决方案，并且可以使用。与上面的解决方案不同的是，现在我不需要将脚本发布为pip。我认为许多人可能会遇到相同的情况，由于某种原因，您可能无法或不希望发布脚本。而是将您自己的wheel文件保存在自己的Blob存储下。

按照文档进行操作之后，我执行了以下步骤，并且对我有用。现在，我可以部署在自己的脚本中具有依赖关系的模型。

1）将模型所依赖的自己的脚本打包到wheel文件中，并将wheel文件保存在本地。

"your_path/your-wheel-file-name.whl"

2）请遵循MS documentation中“专用车轮文件”解决方案中的说明。以下是对我有用的代码。

from azureml.core.conda_dependencies import CondaDependencies 
from azureml.core.environment import Environment

# During environment creation the service replaces the URL by secure SAS URL,so your wheel file is kept private and secure
whl_url = Environment.add_private_pip_wheel(workspace=ws,file_path = "your_pathpath/your-wheel-file-name.whl")
myenv = Environment(name="myenv")

myenv = CondaDependencies()
myenv.add_pip_package("scikit-learn==0.22.1")
myenv.add_pip_package("azureml-defaults")
myenv.add_pip_package(whl_url)

with open("myenv.yml","w") as f:
    f.write(myenv.serialize_to_string())

我的环境文件现在看起来像：

name: project_environment
dependencies:
  # The python interpreter version.

  # Currently Azure ML only supports 3.5.2 and later.

- python=3.6.2

- pip:
  - scikit-learn==0.22.1
  - azureml-defaults
  - https://myworkspaceid.blob.core/azureml/Environment/azureml-private-packages/my-wheel-file-name.whl
channels:
- conda-forge

我是Azure ml的新手。通过与社区进行交流来学习。该解决方案对我来说效果很好，希望对您有所帮助。