Installieren des Azure Machine Learning SDK für Python

Artikel
05/30/2023

Dieser Artikel enthält eine Anleitung für verschiedene Installationsoptionen für das SDK.

Voraussetzungen

Python hat Version 3.7 oder höher installiert . Verwenden Sie für azureml-automl-Pakete nur Version 3.7 oder 3.8.
pip-Installation

Standardinstallation

Verwenden Sie azureml-core.

pip install azureml-core

Installieren Sie dann alle anderen Pakete, die für Ihren Auftrag erforderlich sind.

Upgradeinstallation

Tipp

Es empfiehlt sich, „azureml-core“ immer auf dem neuesten Stand zu halten.

Verwenden Sie Folgendes, um ein Upgrade für eine vorherige Version durchzuführen:

pip install --upgrade azureml-core

Überprüfen der Version

Überprüfen Sie Ihre SDK-Version:

pip show azureml-core

Verwenden Sie Folgendes, um alle Pakete in Ihrer Umgebung anzuzeigen:

pip list

Sie können die SDK-Version auch in Python anzeigen, allerdings nur ohne Nebenversion.

import azureml.core
print(azureml.core.VERSION)

Weitere Informationen zum Konfigurieren der Entwicklungsumgebung für Azure Machine Learning Service finden Sie unter Konfigurieren Ihrer Entwicklungsumgebung.

Weitere azureml-Pakete

Das SDK enthält viele weitere optionale Pakete, die Sie installieren können. Das schließt Abhängigkeiten ein, die nicht für alle Anwendungsfälle erforderlich und daher nicht in der Standardinstallation enthalten sind, um eine Überfrachtung der Umgebung zu vermeiden. In der folgenden Tabelle sind die Pakete, ihre Anwendungsfälle und der Befehl zum Installieren, Aktualisieren und Versionsprüfung beschrieben.

Zusätzliches Paket	Anwendungsfall	Installieren/Upgrade/Version anzeigen
`azureml-automl-core`	Enthält grundlegende Klassen für automatisiertes maschinelles Lernen für Azure Machine Learning. Dieses Paket wird von „azureml-train-automl-client“ und „azureml-train-automl-runtime“ verwendet.	`pip install azureml-automl-core` `pip install --upgrade azureml-automl-core` `pip show azureml-automl-core`
`azureml-accel-models`	Beschleunigt Deep Neural Networks auf FPGAs mit dem Azure ML-Dienst für hardwarebeschleunigte Modelle.	`pip install azureml-accel-models` `pip install --upgrade azureml-accel-models` `pip show azureml-accel-models`
`azureml-train-automl`	Stellt Klassen zum Erstellen und Ausführen von Experimenten mit automatisiertem maschinellem Lernen bereit. Installiert auch allgemeine Data Science-Pakete wie `pandas`, `numpy` und `scikit-learn`. Wenn Sie Ausführungen von automatisiertem maschinellem Lernen in einer Remotecomputeressource übermitteln möchten und kein lokales maschinelles Lernen benötigen, empfiehlt sich die Verwendung des in `azureml-sdk` enthaltenen Thin Client-Pakets `azureml-train-automl-client`. Weitere Informationen zur Installation und Verwendung des vollständigen SDK (`automl`) oder des zugehörigen Thin Clients (`azureml-train-automl-client`) finden Sie in der Anleitung für zusätzliche Anwendungsfälle. Ähnlich wie beim Python-Standard wird Abwärts- und Vorwärtskompatibilität mit der jeweils vorherigen bzw. nachfolgenden Version unterstützt. Dies gilt allerdings nur für das vollständige `azureml-train-automl`-Paket. Wenn ein Modell also beispielsweise mit der SDK-Version 1.29.0 trainiert wird, können SDK-Versionen zwischen 1.28.0 und 1.30.0 für Rückschlüsse verwendet werden.	Für lokale Conda-Umgebung: `pip install azureml-train-automl` `pip install --upgrade azureml-train-automl` `pip install show azureml-train-automl` Thin Client für Remote compute: `pip install azureml-train-automl-client` `pip install --upgrade azureml-train-automl-client` `pip install show azureml-train-automl-client`
`azureml-contrib`	Installiert Pakete vom Typ „azureml-contrib-*“, die experimentelle Funktionen oder Previewfunktionen enthalten.	`pip install azureml-contrib` `pip install --upgrade azureml-contrib` `pip show azureml-contrib`
`azureml-datadrift`	Enthält Funktionen, um festzustellen, wenn ein Drift der Modelltrainingsdaten von den Bewertungsdaten aufgetreten ist.	`pip install azureml-datadrift` `pip install --upgrade azureml-datadrift` `pip show azureml-datadrift`
`azureml-interpret`	Wird für die Interpretierbarkeit des Modells verwendet, einschließlich Feature- und Klassenrelevanz für Blackbox- und Whiteboxmodelle.	`pip azureml-interpret` `pip install --upgrade azureml-interpret` `pip show azureml-interpret`
`azureml-widgets`	Enthält grundlegende Pakete, Module und Klassen für Azure Machine Learning.	`pip install azureml-widgets` `pip install --upgrade azureml-widgets` `pip show azureml-widgets`
`azureml-contrib-services`	Bietet Funktionen zum Bewerten von Skripts, um unformatierten HTTP-Zugriff anzufordern.	`pip install azureml-contrib-services` `pip install --upgrade azureml-contrib-services` `pip show azureml-contrib-services`
`azureml-tensorboard`	Stellt Klassen und Methoden zum Exportieren des Experimentausführungsverlaufs und zum Starten von TensorBoard zum Visualisieren der Experimentleistung und -struktur bereit.	`pip install azureml-tensorboard` `pip install --upgrade azureml-tensorboard` `pip show azureml-tensorboard`
`azureml-mlflow`	Enthält Funktionen für die Integration von Azure Machine Learning in MLflow.	`pip install azureml-mlflow` `pip install --upgrade azureml-mlflow` `pip show azureml-mlflow`
`azureml-automl-runtime`	Enthält automatisierte Machine Learning-Klassen zum Ausführen von Ausführungen in Azure Machine Learning.	`pip install azureml-automl-runtime` `pip install --upgrade azureml-automl-runtime` `pip show azureml-automl-runtime`
`azureml-widgets`	Enthält Funktionen zum Anzeigen des Fortschritts von Machine Learning-Trainingsausführungen in Jupyter Notebook.	`pip install azureml-widgets` `pip install --upgrade azureml-widgets` `pip show azureml-widgets`
`azureml-train-restclients-hyperdrive`	Enthält Klassen, die zum Erstellen von Hyperdrive-Ausführungen (HyperDriveRuns) mit „azureml-train-core“ erforderlich sind.	`pip install azureml-train-restclients-hyperdrive` `pip install --upgrade azureml-train-restclients-hyperdrive` `pip show azureml-train-restclients-hyperdrive`
`azureml-train-core`	Enthält Schätzerbasisklassen und die generische Schätzerklasse sowie Schätzer, die beim DNN-Training (Deep Neural Network) verwendet werden, Schätzer, die beim Scikit-learn-Training verwendet werden, und Module und Klassen zur Unterstützung der Hyperparameteroptimierung.	`pip install azureml-core` `pip install --upgrade azureml-core` `pip show azureml-core`
`azureml-train-automl-runtime`	Enthält Funktionen, die grundlegende Komponenten des automatisierten maschinellen Lernens und der Runtime in Azure Machine Learning darstellen.	`pip install azureml-train-automl-runtime` `pip install --upgrade azureml-train-automl-runtime` `pip show azureml-train-automl-runtime`
`azureml-train-automl-client`	Enthält grundlegende Pakete, Module und Klassen für Azure Machine Learning.	`pip install azureml-train-automl-client` `pip install --upgrade azureml-train-automl-client` `pip show azureml-train-automl-client`
`azureml-telemetry`	Dieses Paket wird verwendet, um Telemetriedaten wie Protokollmeldungen, Metriken, Ereignisse und Aktivitätsnachrichten zu sammeln.	`pip install azureml-telemetry` `pip install --upgrade azureml-telemetry` `pip show azureml-telemetry`
`azureml-synapse`	Enthält den Magic-Befehl zum Verwalten einer Synapse-Sitzung und zum Übermitteln von Code sowie das SparkMonitor-Widget zum Überwachen des Spark-Auftragsfortschritts für Jupyter und JupyterLab.	`pip install azureml-synapse` `pip install --upgrade azureml-synapse` `pip show azureml-synapse`
`azureml-sdk`	Dieses Paket wird verwendet, um Machine Learning-Workflows auf der Grundlage des Azure Machine Learning-Diensts zu erstellen und auszuführen.	`pip install azureml-sdk` `pip install --upgrade azureml-sdk` `pip show azureml-sdk`
`azureml-pipeline-steps`	Enthält vordefinierte Schritte, die in einer Azure Machine Learning-Pipeline ausgeführt werden können.	`pip install azureml-pipeline-steps` `pip install --upgrade azureml-pipeline-steps` `pip show azureml-pipeline-steps`
`azureml-pipeline-core`	Enthält grundlegende Funktionen für Azure Machine Learning-Pipelines, bei denen es sich um konfigurierbare Machine Learning-Workflows handelt.	`pip install azureml-pipeline-core` `pip install --upgrade azureml-pipeline-core` `pip show azureml-pipeline-core`
`azureml-pipeline`	Dieses Paket wird zum Erstellen, Optimieren und Verwalten von Machine Learning-Workflows verwendet.	`pip install azureml-pipeline` `pip install --upgrade azureml-pipeline` `pip show azureml-pipeline`
`azureml-opendatasets`	Enthält grundlegende Funktionen für Azure Machine Learning-Pipelines, bei denen es sich um konfigurierbare Machine Learning-Workflows handelt.	`pip install azureml-opendatasets` `pip install --upgrade azureml-opendatasets` `pip show azureml-opendatasets`
`azureml-interpret`	Enthält Funktionen zur Verwendung der Modellinterpretierbarkeit in Azure Machine Learning.	`pip install azureml-interpret` `pip install --upgrade azureml-interpret` `pip show azureml-interpret`
`azureml-defaults`	Dieses Paket ist ein Metapaket, das intern von Azure Machine Learning verwendet wird.	`pip install azureml-defaults` `pip install --upgrade azureml-defaults` `pip show azureml-defaults`
`azureml-dataset-runtime`	Es dient dazu, Abhängigkeiten innerhalb von AzureML-Paketen zu koordinieren. Dieses Paket ist ein internes Paket und nicht für die direkte Nutzung vorgesehen.	`pip install azureml-dataset-runtime` `pip install --upgrade azureml-dataset-runtime` `pip show azureml-dataset-runtime`
`azureml-datadrift`	Enthält Funktionen, um festzustellen, wenn ein Drift der Modelltrainingsdaten von den Bewertungsdaten aufgetreten ist.	`pip install azureml-datadrift` `pip install --upgrade azureml-datadrift` `pip show azureml-datadrift`
`azureml-contrib-server`	Dieses Paket ist ein lokaler HTTP-Dienst, der verwendet wird, um eine Teilmenge der durch das AzureML SDK bereitgestellten Funktionen für VS Tools für KI-Erweiterungen (VS Code und Visual Studio) verfügbar zu machen.	`pip install azureml-contrib-server` `pip install --upgrade azureml-contrib-server` `pip show azureml-contrib-server`
`azureml-contrib-run`	Dieses Paket wird für den Integrationscode von AzureML mit MLflow verwendet.	`pip install azureml-core` `pip install --upgrade azureml-core` `pip show azureml-core`
`azureml-contrib-reinforcementlearning`	Enthält Funktionen zum Erstellen eines Windows-Computeziels in Azure Machine Learning.	`pip install azureml-contrib-reinforcementlearning` `pip install --upgrade azureml-contrib-reinforcementlearning` `pip show azureml-contrib-reinforcementlearning`
`azureml-contrib-pipeline-steps`	Enthält Module und Klassen für spezialisierte Azure Machine Learning-Pipelineschritte und die zugehörige Konfiguration	`pip install azureml-contrib-pipeline-steps` `pip install --upgrade azureml-contrib-pipeline-steps` `pip show azureml-contrib-pipeline-steps`
`azureml-contrib-notebook`	Enthält Erweiterungen für die Verwendung von Jupyter Notebook-Instanzen in Azure Machine Learning.	`pip install azureml-contrib-notebook` `pip install --upgrade azureml-contrib-notebook` `pip show azureml-contrib-notebook`
`azureml-contrib-gbdt`	Dieses Paket enthält den LightGBM-Schätzer.	`pip install azureml-contrib-gbdt` `pip install --upgrade azureml-contrib-gbdt` `pip show azureml-contrib-gbdt`
`azureml-contrib-functions`	Enthält Funktionen zum Packen von Azure Machine Learning-Modellen für die Bereitstellung in Azure Functions.	`pip install azureml-contrib-functions` `pip install --upgrade azureml-contrib-functions` `pip show azureml-contrib-functions`
`azureml-contrib-fairness`	Dieses Paket unterstützt die Verwendung von Fairnessbewertungsdashboards im Azure Machine Learning Studio.	`pip install azureml-contrib-fairness` `pip install --upgrade azureml-contrib-fairness` `pip show azureml-contrib-fairness`
`azureml-contrib-dataset`	Enthält spezielle Funktionen zum Arbeiten mit Dataset-Objekten in Azure Machine Learning.	`pip install azureml-contrib-dataset` `pip install --upgrade azureml-contrib-dataset` `pip show azureml-contrib-dataset`
`azureml-contrib-automl-pipeline-steps`	Enthält vordefinierte Schritte, die in einer Azure Machine Learning-Pipeline ausgeführt werden können.	`pip install azureml-contrib-automl-pipeline-steps` `pip install --upgrade azureml-contrib-automl-pipeline-steps` `pip show azureml-contrib-automl-pipeline-steps`
`azureml-contrib-automl-dnn-vision`	Dieses Paket ist nur für die Verwendung durch systemseitig generierte Skripts für automatisiertes maschinelles Lernen vorgesehen. Für die Installation unter Windows müssen die Pakete „torch“ und „torchvision“ separat vor diesem Paket installiert werden.	`pip install azureml-contrib-automl-dnn-vision` `pip install --upgrade azureml-contrib-automl-dnn-vision` `pip show azureml-contrib-automl-dnn-vision`
`azureml-contrib-automl-dnn-forecasting`	Allgemeines Paket der Azure ML CLI-Erweiterung. Wird für „azure-cli-ml“ und „azure-cli-ml-preview“ verwendet.	`pip install azureml-contrib-automl-dnn-forecasting` `pip install --upgrade azureml-contrib-automl-dnn-forecasting` `pip show azureml-contrib-automl-dnn-forecasting`
`azureml-contrib-aisc`	AzureML-Beitrag für das KI-Supercomputer-Computeziel von AzureML. AISCCompute ist eine verwaltete KI-Computeinfrastruktur, die vom Clusteradministrator an einen Arbeitsbereich angefügt werden kann.	`pip install azureml-contrib-aisc` `pip install --upgrade azureml-contrib-aisc` `pip show azureml-contrib-aisc`
`azureml-cli-common`	Allgemeines Paket der Azure ML CLI-Erweiterung. Wird für „azure-cli-ml“ und „azure-cli-ml-preview“ verwendet.	`pip install azureml-cli-common` `pip install --upgrade azureml-cli-common` `pip show azureml-cli-common`
`azureml-automl-dnn-nlp`	Dieses Paket ist nur für die Verwendung durch systemseitig generierte Skripts für automatisiertes maschinelles Lernen vorgesehen.	`pip install azureml-automl-dnn-nlp` `pip install --upgrade azureml-automl-dnn-nlp` `pip show azureml-automl-dnn-nlp`
`azureml-accel-models`	Dieses Paket beschleunigt Deep Neural Networks auf FPGAs mit dem Azure ML-Dienst für hardwarebeschleunigte Modelle.	`pip install azureml-accel-models` `pip install --upgrade azureml-accel-models` `pip show azureml-accel-models`
`azureml-inference-server-http`	Dieses Paket ermöglicht lokale Entwicklung, CI/CD-Integration und Serverrouten.	`pip install azureml-inference-server-http` `pip install --upgrade azureml-inference-server-http` `pip show azureml-inference-server-http`
`azure-ml-component`	Dieses Paket enthält Funktionen zum Erstellen und Verwalten von Azure Machine Learning-Komponenten sowie zum Erstellen und Übermitteln von Pipelines mithilfe von Komponenten.	`pip install azure-ml-component` `pip install --upgrade azure-ml-component` `pip show azure-ml-component`
`azureml-pipeline-wrapper`	Dieses Paket enthält Funktionen zum Erstellen und Verwalten von Azure Machine Learning-Modulen sowie zum Erstellen und Übermitteln von Pipelines mithilfe von Modulen.	`pip install azureml-pipeline-wrapper` `pip install --upgrade azureml-pipeline-wrapper` `pip show azureml-pipeline-wrapper`
`azureml-designer-cv-modules`	Module zum Vorverarbeiten und Transformieren von Bildern (beispielsweise zum Zuschneiden oder Auffüllen oder zum Ändern der Größe).	`pip install azureml-designer-cv-modules` `pip install --upgrade azureml-designer-cv-modules` `pip show azureml-designer-cv-modules`
`azureml-designer-pytorch-modules`	Module zum Trainieren von Bildklassifizierungsmodellen und zum Ziehen entsprechender Rückschlüsse auf der Grundlage des PyTorch-Frameworks.	`pip install azureml-designer-pytorch-modules` `pip install --upgrade azureml-designer-pytorch-modules` `pip show azureml-designer-pytorch-modules`
`azureml-designer-vowpal-wabbit-modules`	Module zum Trainieren von Modellen und zum Ziehen entsprechender Rückschlüsse auf der Grundlage des Vowpal Wabbit-Frameworks.	`pip install azureml-designer-vowpal-wabbit-modules` `pip install --upgrade azureml-designer-vowpal-wabbit-modules` `pip show azureml-designer-vowpal-wabbit-modules`
`azureml-designer-classic-modules`	Verschiedenste Module für Datenverarbeitung, Modelltraining, Rückschlüsse und Auswertung.	`pip install azureml-designer-classic-modules` `pip install --upgrade azureml-designer-classic-modules` `pip show azureml-designer-classic-modules`
`azureml-designer-recommender-modules`	Module zum Trainieren von Empfehlungsmodellen und zum Ziehen entsprechender Rückschlüsse auf der Grundlage eines Deep Neural Networks.	`pip install azureml-designer-recommender-modules` `pip install --upgrade azureml-designer-recommender-modules` `pip show azureml-designer-recommender-modules`
`azureml-designer-internal`	Interne Funktionen für integrierte Module.	`pip install azureml-designer-internal` `pip install --upgrade azureml-designer-internal` `pip show azureml-designer-internal`
`azureml-designer-core`	Grundlegende Funktionen für Datentypdefinition, Daten-E/A und häufig verwendete Funktionen.	`pip install azureml-designer-core` `pip install --upgrade azureml-designer-core` `pip show azureml-designer-core`
`azureml-designer-datatransform-modules`	Module zum Transformieren von Datasets – beispielsweise durch Anwenden von mathematischen Operationen oder SQL-Abfragen, durch Entfernen von Ausreißern oder durch Generieren eines Statistikberichts.	`pip install azureml-designer-datatransform-modules` `pip install --upgrade azureml-designer-datatransform-modules` `pip show azureml-designer-datatransform-modules`
`azureml-designer-dataio-modules`	Module zum Laden von Daten in den Azure Machine Learning-Designer und zum Schreiben von Daten in cloudbasierten Speicher.	`pip install azureml-designer-dataio-modules` `pip install --upgrade azureml-designer-dataio-modules` `pip show azureml-designer-dataio-modules`
`azureml-designer-serving`	Stellt Funktionen zum Aufrufen integrierter Module im Bereitstellungsdienst bereit.	`pip install azureml-designer-serving` `pip install --upgrade azureml-designer-serving` `pip show azureml-designer-serving`
`azureml-contrib-datadrift`	Enthält Funktionen zur Erkennung von Datendrift für verschiedene Datasets, die in Machine Learning verwendet werden, einschließlich Trainingsdatasets und Bewertungsdataset.	`pip install azureml-contrib-datadrift` `pip install --upgrade azureml-contrib-datadrift` `pip show azureml-contrib-datadrift`
`azureml-contrib-explain-model`	Enthält experimentelle Funktionen für das Paket „azureml-explain-model“, das eine Vielzahl von Diensten für die Interpretierbarkeit von Machine Learning-Modellen bietet.	`pip install azureml-contrib-explain-model` `pip install --upgrade azureml-contrib-explain-model` `pip show azureml-contrib-explain-model`
`azureml-contrib-opendatasets`	Dieses Paket stellt eine Reihe von APIs für die Nutzung von Azure Open Datasets bereit.	`pip install azureml-contrib-opendatasets` `pip install --upgrade azureml-contrib-opendatasets` `pip show azureml-contrib-opendatasets`
`azureml-train-widgets`	Enthält Widgets für Jupyter Notebook-Instanzen, um Ihre Ausführungen visuell nachzuverfolgen.	`pip install azureml-train-widgets` `pip install --upgrade azureml-train-widgets` `pip show azureml-train-widgets`

Weitere Informationen zu den oben genannten Paketen finden Sie unter AzureML bei PyPI.

Anleitung für zusätzliche Anwendungsfälle

Wenn Ihr Anwendungsfall unten beschrieben ist, beachten Sie die Anleitung und etwaige empfohlene Aktionen.

Anwendungsfall	Leitfaden
Verwenden von `automl`	Installieren Sie das vollständige`azureml-train-automl` SDK in einer neuen 64-Bit-Python-Umgebung. Eine neue 64-Bit-Umgebung ist aufgrund einer Abhängigkeit vom LightGBM-Framework erforderlich. Von diesem Paket werden aus Kompatibilitätsgründen bestimmte Versionen von Data Science-Paketen installiert und angeheftet, was eine neue Umgebung erfordert. Vom Thin Client-Paket `azureml-train-automl-client` werden keine zusätzlichen Data Science-Pakete installiert, und es erfordert keine neue Python-Umgebung. `azureml-train-automl-client` wird empfohlen, wenn Sie nur Ausführungen des automatisierten maschinellen Lernens in einer Remotecomputeressource übermitteln müssen und weder lokale Ausführungen übermitteln noch Ihr Modell lokal herunterladen möchten. Abwärts- und Vorwärtskompatibilität mit der jeweils vorherigen bzw. nachfolgenden Version wird nur für Modelle unterstützt, die mit dem vollständigen Paket `azureml-train-automl` trainiert wurden. Wenn ein Modell also beispielsweise mit der SDK-Version 1.29.0 trainiert wird, können SDK-Versionen zwischen 1.28.0 und 1.30.0 für Rückschlüsse verwendet werden.
Verwenden von Azure Databricks	Verwenden Sie in der Azure Databricks-Umgebung die in dieser Anleitung beschriebenen Bibliotheksquellen zum Installieren des SDK. Weitere Informationen zum Arbeiten mit dem Azure Machine Learning SDK für Python unter Azure Databricks finden Sie auch in diesen Tipps.
Verwenden von Azure Data Science Virtual Machine	Auf nach dem 27. September 2018 erstellten Azure Data Science Virtual Machines-Computern ist das Python SDK bereits vorinstalliert.
Ausführen von Tutorials oder Notebooks für Azure Machine Learning	Wenn Sie eine ältere Version des SDK verwenden als die im Tutorial oder Notebook angegebene, sollten Sie für Ihr SDK ein Upgrade ausführen. Für einige Funktionen in den Tutorials und Notebooks sind möglicherweise zusätzliche Python-Pakete erforderlich, z. B. `matplotlib`, `scikit-learn` oder `pandas`. Sie können den Anweisungen in den einzelnen Tutorials und Notebook entnehmen, welche Pakete erforderlich sind.

Problembehandlung

Pip-Installation: Abhängigkeiten sind nicht garantiert mit der Einzelleitungsinstallation konsistent:

Dies ist eine bekannte Einschränkung von pip, da keine funktionsfähige Abhängigkeitskonfliktauflösung vorhanden ist, wenn Sie die Installation in einer einzigen Zeile ausführen. Es wird nur die erste eindeutige Abhängigkeit untersucht.

Im folgenden Code wird sowohl azureml-datadrift als auch azureml-train-automl über eine einzeilige pip-Installation installiert.
```
  pip install azureml-datadrift, azureml-train-automl
```
Für dieses Beispiel wird angenommen, dass azureml-datadrift eine Version > 1.0 und azureml-train-automl eine Version < 1.2 benötigt. Wenn 1.3 die neueste Version von azureml-datadrift ist, wird für beide Pakete ein Upgrade auf 1.3 durchgeführt, auch wenn für das Paket azureml-train-automl eine ältere Version erforderlich wäre.

Um sicherzustellen, dass die richtigen Versionen für Ihre Pakete installiert werden, führen Sie die Installation in mehreren Zeilen durch, wie im folgenden Code. Die Reihenfolge ist hier kein Problem, da pip im Rahmen des nächsten Zeilenaufrufs explizit eine Herabstufung ausführt. Daher werden die richtigen Versionsabhängigkeiten angewandt.
```
   pip install azureml-datadrift
   pip install azureml-train-automl 
```
Es ist nicht garantiert, dass das Erklärungspaket installiert wird, wenn azureml-train-automl-client installiert wird:

Wenn Sie automatisiertes maschinelles Lernen remote mit aktivierter Modellerklärung ausführen, wird die folgende Fehlermeldung angezeigt: „Please install azureml-explain-model package for model explanations“ (Installieren Sie das azureml-explain-model-Paket für Modellerklärungen). Dies ist ein bekanntes Problem. Führen Sie als Problemumgehung einen der folgenden Schritte aus:
1. Installieren Sie azureml-explain-model lokal.
```
    pip install azureml-explain-model
```
1. Deaktivieren Sie die Erklärungsfunktion vollständig, indem Sie bei der AutoML-Konfiguration „model_explainability=False“ festlegen.
```
    automl_config = AutoMLConfig(task = 'classification',
                           path = '.',
                           debug_log = 'automated_ml_errors.log',
                           compute_target = compute_target,
                           run_configuration = aml_run_config,
                           featurization = 'auto',
                           model_explainability=False,
                           training_data = prepped_data,
                           label_column_name = 'Survived',
                           **automl_settings)
```
Panda-Fehler: In der Regel während des AutoML-Experiments:

Wenn Sie Ihre Umgebung manuell mithilfe von pip einrichten, treten möglicherweise Fehler (insbesondere von Pandas) aufgrund der Installation nicht unterstützter Paketversionen auf.

Beispiel: ModuleNotFoundError: No module named 'pandas.core.internals.managers'; 'pandas.core.internals' is not a package

Um diese Fehler zu vermeiden, installieren Sie das AutoML SDK mithilfe von „automl_setup.cmd“:
1. Öffnen Sie eine Anaconda-Eingabeaufforderung, und klonen Sie das GitHub-Repository für eine Reihe von Beispielnotebooks.
```
git clone https://github.com/Azure/MachineLearningNotebooks.git
```
1. Wechseln Sie in den Ordner „how-to-use-azureml/automated-machine-learning“, in dem die Beispielnotebooks extrahiert wurden, und führen Sie dann Folgendes aus:
```
automl_setup
```
KeyError: 'brand' when running AutoML on local compute or Azure Databricks cluster

Wenn nach dem 10. Juni 2020 eine neue Umgebung mit der SDK-Version 1.7.0 oder früher erstellt wurde, kann dieser Fehler beim Training aufgrund eines Updates im py-cpuinfo-Pakets auftreten. (Umgebungen, die am oder vor dem 10. Juni 2020 erstellt wurden, sind nicht betroffen, da Experimente auf remote compute ausgeführt werden, da zwischengespeicherte Schulungsimages verwendet werden.) Führen Sie eine der folgenden beiden Schritte aus, um dieses Problem zu umgehen:
- Aktualisieren Sie die SDK-Version auf 1.8.0 oder höher (damit wird auch py-cpuinfo auf 5.0.0 herabgestuft):
```
pip install --upgrade azureml-sdk[automl]
```
- Stufen Sie die installierte Version von py-cpuinfo auf 5.0.0 herab:
```
pip install py-cpuinfo==5.0.0
```
Fehlermeldung: 'PyYAML' kann nicht deinstalliert werden.

Azure Machine Learning SDK für Python: PyYAML ist ein installiertes distutils Projekt. Daher können wir bei einer teilweisen Deinstallation nicht genau bestimmen, welche Dateien zu ihm gehören. Verwenden Sie diesen Befehl, um die Installation des SDKs fortzusetzen und diesen Fehler zu ignorieren:
```
pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
```
Fehler bei der Installation des Azure Machine Learning SDK mit ausnahme: ModuleNotFoundError: Kein Modul mit dem Namen "ruamel" oder "ImportError: Kein Modul namens ruamel.yaml"

Dieses Problem wird durch die Installation des Azure Machine Learning SDK für Python für die neueste pip-Version (> 20.1.1) in der Conda-Basisumgebung für alle veröffentlichten Versionen des Azure Machine Learning SDK für Python behoben. Verwenden Sie die folgenden Problemumgehungen:
- Vermeiden Sie die Installation des Python SDK in der conda-Basisumgebung. Erstellen Sie stattdessen Ihre conda-Umgebung, und installieren Sie das SDK in dieser neu erstellten Benutzerumgebung. Die neueste pip-Version sollte in dieser neuen conda-Umgebung funktionieren.
- Wenn Sie beim Erstellen von Images in Docker nicht aus der Conda-Basisumgebung wechseln können, heften Sie pip <= 20.1.1 in der Docker-Datei an.
```
conda install -c r -y conda python=3.8 pip=20.1.1
```

Nächste Schritte

Probieren Sie diese nächsten Schritte aus, um zu erfahren, wie Sie das Azure Machine Learning Service SDK für Python verwenden können:

Lesen Sie die Übersicht über das Azure Machine Learning SDK für Python, um mehr über wichtige Klassen und Entwurfsmuster zu erfahren (mit Codebeispielen).
Durchlaufen Sie das Tutorial Erste Schritte mit einem Python-Skript in Azure Machine Learning, um mit der Erstellung von Experimenten und Modellen zu beginnen.

Freigeben über