استكشاف Python SDK

مكتمل

مهم

حاليا، هناك إصداران من Python SDK: الإصدار 1 (v1) والإصدار 2 (v2). بالنسبة لأي مشاريع جديدة، يجب استخدام v2 وبالتالي، المحتوى في هذه الوحدة يغطي الإصدار 2 فقط. تعرف على المزيد حول التي تقرر بين v1 وv2.

يمكن لعلماء البيانات استخدام التعلم الآلي من Azure لتدريب نماذج التعلم الآلي وتعقبها وإدارتها. بصفتك عالم بيانات، ستعمل في الغالب مع الأصول داخل مساحة عمل التعلم الآلي من Azure لأحمال عمل التعلم الآلي.

نظرا لأن معظم علماء البيانات على دراية ب Python، يقدم التعلم الآلي من Azure مجموعة أدوات تطوير البرامج (SDK) بحيث يمكنك التفاعل مع مساحة العمل باستخدام Python.

Python SDK للتعلم الآلي من Azure هو أداة مثالية لعلماء البيانات التي يمكن استخدامها في أي بيئة Python. سواء كنت تعمل عادة مع دفاتر ملاحظات Jupyter، Visual Studio Code، يمكنك تثبيت Python SDK والاتصال بمساحة العمل.

تثبيت Python SDK

لتثبيت Python SDK داخل بيئة Python الخاصة بك، تحتاج إلى Python 3.7 أو أحدث. يمكنك تثبيت الحزمة مع pip:

pip install azure-ai-ml

ملاحظه

عند العمل مع دفاتر الملاحظات داخل استوديو التعلم الآلي من Azure، يتم تثبيت Python SDK الجديد بالفعل عند استخدام Python 3.10 أو أحدث. يمكنك استخدام Python SDK v2 مع الإصدارات السابقة من Python، ولكن سيتعين عليك تثبيته أولا.

الاتصال بمساحة العمل

بعد تثبيت Python SDK، ستحتاج إلى الاتصال بمساحة العمل. من خلال الاتصال، تقوم بمصادقة بيئتك للتفاعل مع مساحة العمل لإنشاء الأصول والموارد وإدارتها.

للمصادقة، تحتاج إلى القيم إلى ثلاث معلمات ضرورية:

• subscription_id: معرف اشتراكك.
• resource_group: اسم مجموعة الموارد الخاصة بك.
• workspace_name: اسم مساحة العمل الخاصة بك.

بعد ذلك، يمكنك تعريف المصادقة باستخدام التعليمات البرمجية التالية:

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient(
    DefaultAzureCredential(), subscription_id, resource_group, workspace
)

بعد تعريف المصادقة، تحتاج إلى استدعاء MLClient للبيئة للاتصال بمساحة العمل. ستتصل MLClient في أي وقت تريد إنشاء أصل أو مورد أو تحديثه في مساحة العمل.

على سبيل المثال، ستتصل بمساحة العمل عند إنشاء مهمة جديدة لتدريب نموذج:

from azure.ai.ml import command

# configure job
job = command(
    code="./src",
    command="python train.py",
    environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
    compute="aml-cluster",
    experiment_name="train-model"
)

# connect to workspace and submit job
returned_job = ml_client.create_or_update(job)

استخدام الوثائق المرجعية

للعمل بكفاءة مع Python SDK، ستحتاج إلى استخدام الوثائق المرجعية. في الوثائق المرجعية، ستجد جميع الفئات والأساليب والمعلمات الممكنة المتوفرة داخل Python SDK.

MLClient فئة الطرق التي يمكنك استخدامها للاتصال بمساحة العمل والتفاعل معها. علاوة على ذلك، فإنه يرتبط أيضا بالعمليات المحتملة للكيانات المختلفة مثل كيفية سرد مخازن البيانات الموجودة في مساحة العمل الخاصة بك.

تتضمن الوثائق المرجعية أيضا قائمة بالفئات لجميع الكيانات يمكنك التفاعل معها. على سبيل المثال، توجد فئات منفصلة عندما تريد إنشاء مخزن بيانات يرتبط ب Azure Blob Storage، أو إلى Azure Data Lake Gen 2.

بتحديد فئة معينة مثل AmlCompute من قائمة الكيانات، يمكنك العثور على صفحة أكثر تفصيلا حول كيفية استخدام الفئة والمعلمات التي تقبلها.