Ejecución de scripts de aprendizaje automático de Python en Machine Learning Studio (clásico)
SE APLICA A: 
Estudio de Azure Machine Learning (clásico) 
Azure Machine Learning
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información acerca de Azure Machine Learning
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
Python es una valiosa herramienta de la caja de herramientas de muchos científicos de datos. Se utiliza en cada etapa de flujos de trabajo típicos de aprendizaje automático, incluida la exploración de datos, la extracción de características, el entrenamiento y la validación del modelo, y la implementación.
En este artículo se describe cómo puede usar el módulo Ejecutar script de Python para usar código Python en los experimentos y servicios web de Machine Learning Studio (clásico).
Uso del módulo Ejecutar script de Python
La interfaz principal para Python en Studio (clásico) se presenta a través del módulo Ejecutar script de Python. Acepta hasta tres entradas y genera hasta dos salidas, y es similar al módulo Ejecutar script R. El código Python se especifica en el cuadro de parámetro mediante una función de punto de entrada especialmente denominada llamada azureml_main.
Parámetros de entrada
Las entradas en el módulo Python se exponen como DataFrames de Pandas. La función azureml_main acepta hasta dos DataFrames de Pandas opcionales como parámetros.
La asignación entre los puertos de entrada y los parámetros de función es posicional:
- El primer puerto de entrada conectado se asigna al primer parámetro de la función.
- La segunda entrada (si está conectada) se asigna al segundo parámetro de la función.
- La tercera entrada se utiliza para importar módulos de Python adicionales.
Puede ver una semántica más detallada de cómo se asignan los puertos de entrada a los parámetros de la función azureml_main.
Valores devueltos de salida
La función azureml_main debe devolver un solo DataFrame de Pandas empaquetado dentro de una secuencia de Python, como una tupla, una lista o una matriz de NumPy. El primer elemento de esta secuencia se devuelve al primer puerto de salida del módulo. El segundo puerto de salida del módulo se usa para visualizaciones y no requiere un valor devuelto. Este esquema se muestra a continuación.
Conversión de tipos de datos de entrada y salida
Los conjuntos de datos de Studio no son lo mismo que los DataFrames de Pandas. En consecuencia, los conjuntos de datos de entrada de Studio (clásico) se convierten en DataFrames de Pandas y los DataFrames de salida se convierten en conjuntos de datos de Studio (clásico). Durante este proceso de conversión, también se realizan las siguientes conversiones:
| Tipo de datos de Python | Procedimiento de conversión de Studio |
|---|---|
| Cadenas y valores numéricos | Se dejan como están |
| Valores no disponibles 'NA' de Pandas | Se convierten a 'Falta el valor' |
| Vectores de índice | No admitidos* |
| Nombres de columna que no son cadenas | Llamada str en nombres de columna |
| Nombres de columna duplicados | Agregar sufijo numérico: (1), (2), (3), etc. |
*Todas las tramas de datos de entrada de la función de Python siempre tienen un índice numérico de 64 bits entre 0 y el número de filas menos 1
Importación de módulos existentes de scripts de Python
El back-end que se usa para ejecutar Python se basa en Anaconda, una distribución científica de Python ampliamente usada. Incluye cerca de 200 de los paquetes más comunes de Python que se utilizan en las cargas de trabajo centradas en datos. Studio (clásico) no admite actualmente el uso de sistemas de administración de paquetes, como Pip o Conda, para instalar y administrar bibliotecas externas. Si encuentra la necesidad de incorporar bibliotecas adicionales, use el siguiente escenario como guía.
Un caso de uso común es incorporar scripts existentes de Python a experimentos de Studio (clásico). El modulo Ejecutar script de Python acepta un archivo ZIP que contiene los módulos de Python en el tercer puerto de entrada. El marco de ejecución descomprime el archivo en runtime y el contenido se agrega a la ruta de acceso de la biblioteca del intérprete de Python. La función de punto de entrada azureml_main luego puede importar directamente estos módulos.
Por ejemplo, considere el archivo Hello.py que contiene una función "Hello, World".
A continuación, creamos un archivo Hello.zip que contiene Hello.py:
Cargue el archivo ZIP como un conjunto de datos en Studio (clásico). Luego cree y ejecute un experimento que use el código Python del archivo Hello.zip al asociarlo al tercer puerto de entrada del módulo Ejecutar script de Python, como se muestra en la siguiente imagen.
La salida del módulo muestra que el archivo ZIP se ha desempaquetado y que la función print_hello se ha ejecutado.
Acceso a blobs de Azure Storage
Puede tener acceso a datos almacenados en una cuenta de Azure Blob Storage siguiendo estos pasos:
- Descargue el paquete de Azure Blob Storage para Python localmente.
- Cargue el archivo ZIP en el área de trabajo de Studio (clásico) como un conjunto de datos.
- Cree el objeto BlobService con
protocol='http'
from azure.storage.blob import BlockBlobService
# Create the BlockBlockService that is used to call the Blob service for the storage account
block_blob_service = BlockBlobService(account_name='account_name', account_key='account_key', protocol='http')
- Deshabilite Se requiere transferencia segura en la pestaña Configuración de Storage.
Funcionamiento de los scripts de Python
Cuando un experimento de puntuación se publica como servicio web, se llama a todos los módulos Ejecutar script de Python usados en él. Por ejemplo, la imagen siguiente muestra un experimento de puntuación que contiene el código para evaluar una única expresión de Python.
Un servicio web creado a partir de este experimento tendría las siguientes acciones:
- Tomar como entrada una expresión de Python (como una cadena).
- Enviar la expresión de Python para el intérprete de Python.
- Devuelve una tabla que contiene la expresión y el resultado evaluado.
Trabajo con visualizaciones
El módulo Ejecutar script de Python puede devolver los trazados creados con MatplotLib. Sin embargo, los trazados no se redirigen automáticamente a imágenes como sucede cuando se usa R. Por lo tanto, el usuario debe guardar explícitamente todo trazado como archivo PNG.
Para generar imágenes desde MatplotLib, debe seguir estos pasos:
- Cambie el back-end a "AGG" desde el representador basado en Qt predeterminado.
- Cree un nuevo objeto de figura.
- Obtenga el eje y genere todos los trazados en él.
- Guarde la figura en un archivo PNG.
Este proceso se muestra en las siguientes imágenes que crean una matriz de trazado de dispersión con la función scatter_matrix de Pandas.
Es posible devolver varias figuras si se guardan en diferentes imágenes. El tiempo de ejecución de Studio (clásico) selecciona todas las imágenes y las concatena para su visualización.
Ejemplos avanzados
El entorno Anaconda instalado en Studio (clásico) contiene paquetes comunes como NumPy, SciPy y Scikits-Learn. Estos paquetes se pueden usar de forma efectiva para procesamiento de datos en una canalización de aprendizaje automático.
Por ejemplo, el siguiente experimento y script muestran el uso de sistemas aprendices de conjunto de Scikits-Learn para calcular las puntuaciones de importancia de características de un conjunto de datos. Las puntuaciones se pueden usar para realizar una selección supervisada de características antes de transmitirlas a otro modelo.
Aquí se muestra la función de Python usada para calcular las puntuaciones de importancia y ordenar las características según esas puntuaciones:
El siguiente experimento calcula y devuelve las puntuaciones de importancia de características en el conjunto de datos "Pima Indian Diabetes" en Machine Learning Studio (clásico):
Limitaciones
El módulo Ejecutar script de Python tiene actualmente las siguientes limitaciones:
Ejecución en espacio aislado
El tiempo de ejecución de Python se realiza actualmente en un espacio aislado y no permite el acceso a la red o al sistema de archivos local de manera persistente. Todos los archivos guardados localmente son aislados y eliminados una vez que se finaliza el módulo. El código Python no puede tener acceso a la mayoría de los directorios de la máquina en que se ejecuta, con la excepción del directorio actual y sus subdirectorios.
Falta de compatibilidad con la depuración y desarrollo sofisticado
El módulo Python actualmente no es compatible con características de IDE, como IntelliSense y depuración. Además, si se produce un error en el módulo en runtime, el seguimiento de la pila completo de Python está disponible. Pero debe verse en el registro de salida del módulo. De momento se recomienda que los usuarios desarrollen y depuren scripts de Python en un entorno como IPython y luego importen el código al módulo.
Salida de una trama de datos
El punto de entrada de Python solo tiene permitido devolver una trama de datos como salida. Actualmente no es posible devolver objetos arbitrarios de Python, como modelos entrenados, directamente de vuelta al tiempo de ejecución de Studio (clásico). Al igual que Ejecutar script R, que tiene la misma limitación, en muchos casos es posible incluir objetos en una matriz de bytes y luego devolverla dentro de una trama de datos.
Incapacidad para personalizar la instalación de Python
Actualmente, la única manera de agregar módulos personalizados de Python es a través del mecanismo de archivo ZIP descrito anteriormente. A pesar de que esto es viable cuando se trata de módulos pequeños, es complicado para módulos de gran tamaño (especialmente para los módulos con DLL nativas) o para un gran número de módulos.
Pasos siguientes
Para más información, vea el Centro para desarrolladores de Python.