Freigeben über

Was sind die Azure Machine Learning-CLI und das Python SDK v2?

  • Artikel

GILT FÜR:Azure CLI ML-Erweiterung v2 (aktuell)Python SDK azure-ai-ml v2 (aktuell)

Die Azure Machine Learning-CLI v2 (CLI v2) und das Python-SDK v2 für Azure Machine Learning (SDK v2) führen eine schnittstellenübergreifende Konsistenz von Features und Terminologie ein. Um diese Konsistenz zu erzielen, weicht die Befehlssyntax teilweise erheblich von den ersten Versionen (v1) ab.

Hinsichtlich der Funktionalität bestehen keine Unterschiede zwischen SDK v2 und CLI v2. Die befehlszeilenbasierte CLI ist in CI/CD MLOps-Szenarien möglicherweise geeigneter, während das SDK für die Entwicklung vorzuziehen ist.

Azure Machine Learning CLI v2

Die Azure Machine Learning-CLI v2 ist die neueste Erweiterung der Azure CLI. Die CLI v2 stellt Befehle zum Erstellen und Verwalten von Machine Learning-Ressourcen und -Workflows im Format az ml <Substantiv><Verb><Optionen> bereit. Die Ressourcen oder Workflows selbst werden mithilfe einer YAML-Datei definiert. Die YAML-Datei definiert die Konfiguration der Ressource oder des Workflows. Sie beantwortet beispielsweise die Frage nach dem Zweck und dem Ausführungsort.

Einige Beispiele für CLI v2-Befehle:

  • az ml job create --file my_job_definition.yaml
  • az ml environment update --name my-env --file my_updated_env_definition.yaml
  • az ml model list
  • az ml compute show --name my_compute

Anwendungsfälle für CLI v2

Die CLI v2 ist in den folgenden Szenarien nützlich:

  • Einstieg in Machine Learning, ohne eine bestimmte Programmiersprache erlernen zu müssen

    Die YAML-Datei definiert die Konfiguration der Ressource oder des Workflows – z. B. den Zweck und den Ausführungsort. Jede verwendete benutzerdefinierte Logik oder IP, z. B. Datenvorbereitung, Modelltraining und Modellbewertung, können in Skriptdateien verbleiben. In der YAML-Datei wird auf diese Dateien verwiesen, sie sind aber nicht Teil der YAML-Datei selbst. Machine Learning unterstützt Skriptdateien in Python, R, Java, Julia oder C#. Sie müssen lediglich das YAML-Format und einige Befehlszeilen erlernen, um Machine Learning verwenden zu können. Sie können bei den Skriptdateien Ihrer Wahl bleiben.

  • Nutzen der Vorteile einer einfachen Bereitstellung und Automatisierung

    Die Verwendung der Befehlszeile für die Ausführung vereinfacht die Bereitstellung und Automatisierung, weil Sie Workflows von beliebigen Angeboten oder Plattformen aus aufrufen können, die Benutzern den Aufruf der Befehlszeile erlauben.

  • Verwenden verwalteter Rückschlussbereitstellungen

    Machine Learning bietet Endpunkte, um Modellimplementierungen für die Bereitstellung von Echtzeit- und Batchrückschlüssen zu optimieren. Diese Funktionalität ist nur über CLI v2 und SDK v2 verfügbar.

  • Wiederverwenden von Komponenten in Pipelines

    Machine Learning führt Komponenten zum pipelineübergreifenden Verwalten und Wiederverwenden gemeinsamer Logik ein. Diese Funktionalität ist nur über CLI v2 und SDK v2 verfügbar.

Azure Machine Learning Python SDK v2

Das Azure Machine Learning Python SDK v2 ist ein aktualisiertes Python SDK-Paket, das Benutzern Folgendes ermöglicht:

  • Übermitteln von Trainingsaufträgen.
  • Verwalten von Daten, Modellen und Umgebungen
  • Durchführen verwalteter Rückschlüsse (Echtzeit und Batch)
  • Zusammenfügen mehrerer Aufgaben und Produktionsworkflows mithilfe von Machine Learning-Pipelines

Das SDK v2 ist hinsichtlich der Funktionalität auf demselben Stand wie die CLI v2 und in Bezug auf die Verwendung von Ressourcen (Nomen) und Aktionen (Verben) mit ihr konsistent. Um beispielsweise eine Ressource aufzulisten, können Sie die Aktion list sowohl im SDK als auch in der CLI verwenden. Sie können dieselbe list-Aktion nutzen, um beispielsweise eine Computeressource, ein Modell oder eine Umgebung aufzulisten.

Anwendungsfälle für SDK v2

Das SDK v2 ist in den folgenden Szenarien nützlich:

  • Verwenden von Python-Funktionen zum Erstellen eines einzelnen Schritts oder eines komplexen Workflows

    Mithilfe des SDKs v2 können Sie einen einzelnen Befehl oder eine Befehlskette wie Python-Funktionen erstellen. Der Befehl verfügt über einen Namen und Parameter, erwartet Eingaben und gibt eine Ausgabe zurück.

  • Schrittweises Umstellen von einfachen auf komplexe Konzepte

    Das SDK v2 ermöglicht Folgendes:

    • Erstellen eines einzelnen Befehls.
    • Hinzufügen eines Hyperparameter-Sweepings zusätzlich zu diesem Befehl
    • Hinzufügen des Befehls zusammen mit verschiedenen anderen Befehlen in entsprechender Reihenfolge zu einer Pipeline.

    Angesichts der iterativen Natur maschinellen Lernens ist diese Konstruktion nützlich.

  • Wiederverwenden von Komponenten in Pipelines

    Machine Learning führt Komponenten zum pipelineübergreifenden Verwalten und Wiederverwenden gemeinsamer Logik ein. Diese Funktionalität ist nur über CLI v2 und SDK v2 verfügbar.

  • Verwenden verwalteter Rückschlüsse

    Machine Learning bietet Endpunkte, um Modellimplementierungen für die Bereitstellung von Echtzeit- und Batchrückschlüssen zu optimieren. Diese Funktionalität ist nur über CLI v2 und SDK v2 verfügbar.

Sollte ich v1 oder v2 verwenden?

Der Support für die CLI v1 endet am 30. September 2025.

Es wird empfohlen, Ihren Code für CLI und SDK v1 zu CLI und SDK v2 zu migrieren. Weitere Informationen finden Sie unter Aktualisieren auf v2.

CLI v2

Die Azure Machine Learning-CLI v1 gilt als veraltet. Der Support für die v1-Erweiterung endet am 30. September 2025. Sie können die v1-Erweiterung bis zu diesem Datum installieren und verwenden.

Es wird empfohlen, vor dem 30. September 2025 zur ml- oder v2-Erweiterung zu wechseln.

SDK v2

Derzeit ist nicht geplant, das Azure Machine Learning Python v1 zu einem bestimmten Datum als veraltet einzustufen. Wenn Sie erhebliche Investitionen in das Python SDK v1 getätigt haben und die neuen Features nicht benötigen, die vom SDK v2 angeboten werden, können Sie weiterhin das SDK v1 verwenden. Sie sollten die Verwendung des SDK v2 jedoch in folgenden Fällen in Betracht ziehen:

  • Sie möchten neue Features wie wiederverwendbare Komponenten oder verwaltete Rückschlüsse verwenden.
  • Sie starten einen neuen Workflow oder eine neue Pipeline. Alle neuen Features werden in v2 eingeführt, und zukünftige Investitionen werden sich auf diese Version konzentrieren.
  • Sie möchten die verbesserte Benutzerfreundlichkeit des Python SDK v2 nutzen, z. B. die Möglichkeit, Aufträge und Pipelines mithilfe von Python-Funktionen zu verfassen, was eine einfache Weiterentwicklung von einfachen zu komplexen Aufgaben ermöglicht.

Nächste Schritte