Instalar el SDK de Azure Machine Learning para Python

Artículo
05/30/2023

Este artículo es una guía para las diferentes opciones de instalación del SDK.

Requisitos previos

Python instalada la versión 3.7 o posterior. Para los paquetes azureml-automl, use solo la versión 3.7 o 3.8.
pip instalado

Instalación predeterminada

Use azureml-core.

pip install azureml-core

A continuación, instale cualquier otro paquete necesario para su trabajo concreto.

Actualización de la instalación

Sugerencia

Se recomienda mantener siempre azureml-core actualizado a la versión más reciente.

Actualice una versión anterior:

pip install --upgrade azureml-core

Comprobación de la versión

Compruebe su versión del SDK:

pip show azureml-core

Para ver todos los paquetes del entorno:

pip list

También puede mostrar la versión del SDK en Python, pero esta versión no incluye la versión secundaria.

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

Para obtener más información sobre cómo configurar el entorno de desarrollo para Azure Machine Learning Service, consulte Configurar un entorno de desarrollo.

Otros paquetes azureml

El SDK contiene muchos otros paquetes opcionales que puede instalar. Entre ellos se incluyen las dependencias que no son necesarias para todos los casos de uso, por lo que no se incluyen en la instalación predeterminada con el fin de evitar el sobredimensionamiento del entorno. En la tabla siguiente se describen los paquetes , sus casos de uso y el comando para instalar, actualizar & comprobación de versión.

Paquete adicional	Caso de uso	Instalación, actualización y presentación de la versión
`azureml-automl-core`	Contiene clases básicas de ML automatizado para Azure Machine Learning. Azureml-train-automl-client y azureml-train-automl-runtime usan este paquete.	`pip install azureml-automl-core` `pip install --upgrade azureml-automl-core` `pip show azureml-automl-core`
`azureml-accel-models`	Acelera las redes neuronales profundas en las FPGA con el servicio de modelos acelerados mediante hardware de Azure Machine Learning.	`pip install azureml-accel-models` `pip install --upgrade azureml-accel-models` `pip show azureml-accel-models`
`azureml-train-automl`	Proporciona las clases para crear y ejecutar experimentos automatizados de aprendizaje automático. También instala paquetes de ciencia de datos comunes, como `pandas`, `numpy` y`scikit-learn`. Si quiere enviar ejecuciones automatizadas de ML en un proceso remoto y no necesita realizar ninguna ML localmente, se recomienda usar el paquete decliente ligero, `azureml-train-automl-client`, que forma parte de `azureml-sdk`. Consulte la guía de casos de uso adicional para obtener más información sobre cómo instalar y trabajar con el `automl`SDK completo o su cliente ligero, `azureml-train-automl-client`. De forma similar al estándar de Python, se admite una versión hacia atrás y una versión hacia delante, pero solo para el paquete `azureml-train-automl` completo. Por ejemplo, si un modelo se entrena con la versión 1.29.0 del SDK, puede inferir con las versiones del SDK entre 1.28.0 y 1.30.0.	Para el entorno de Conda local: `pip install azureml-train-automl` `pip install --upgrade azureml-train-automl` `pip install show azureml-train-automl` Cliente ligero para el proceso remoto: `pip install azureml-train-automl-client` `pip install --upgrade azureml-train-automl-client` `pip install show azureml-train-automl-client`
`azureml-contrib`	Instala paquetes azureml-contrib-*, que incluyen funcionalidad experimental o características en vista previa (GB).	`pip install azureml-contrib` `pip install --upgrade azureml-contrib` `pip show azureml-contrib`
`azureml-datadrift`	Contiene la funcionalidad necesaria para detectar en qué momento se han desplazado los datos de entrenamiento del modelo de sus datos de puntuación.	`pip install azureml-datadrift` `pip install --upgrade azureml-datadrift` `pip show azureml-datadrift`
`azureml-interpret`	Se usa para la interpretación de modelos, incluida la importancia de características y clases de los modelos de caja negra y caja blanca.	`pip azureml-interpret` `pip install --upgrade azureml-interpret` `pip show azureml-interpret`
`azureml-widgets`	Contiene paquetes, módulos y clases básicos de Azure Machine Learning.	`pip install azureml-widgets` `pip install --upgrade azureml-widgets` `pip show azureml-widgets`
`azureml-contrib-services`	Proporciona la funcionalidad para que los scripts de puntuación soliciten acceso HTTP sin formato.	`pip install azureml-contrib-services` `pip install --upgrade azureml-contrib-services` `pip show azureml-contrib-services`
`azureml-tensorboard`	Proporciona clases y métodos para exportar el historial de ejecuciones de los experimentos e iniciar TensorBoard para visualizar el rendimiento y la estructura de los experimentos.	`pip install azureml-tensorboard` `pip install --upgrade azureml-tensorboard` `pip show azureml-tensorboard`
`azureml-mlflow`	Contiene la funcionalidad que integra Azure Machine Learning con MLFlow.	`pip install azureml-mlflow` `pip install --upgrade azureml-mlflow` `pip show azureml-mlflow`
`azureml-automl-runtime`	Contiene las clases de aprendizaje automático automatizado para ejecutar procesos en Azure Machine Learning.	`pip install azureml-automl-runtime` `pip install --upgrade azureml-automl-runtime` `pip show azureml-automl-runtime`
`azureml-widgets`	Contiene funcionalidad para ver el progreso de las ejecuciones de entrenamiento de aprendizaje automático en cuadernos de Jupyter Notebook.	`pip install azureml-widgets` `pip install --upgrade azureml-widgets` `pip show azureml-widgets`
`azureml-train-restclients-hyperdrive`	Contiene las clases necesarias para crear HyperDriveRuns con azureml-train-core.	`pip install azureml-train-restclients-hyperdrive` `pip install --upgrade azureml-train-restclients-hyperdrive` `pip show azureml-train-restclients-hyperdrive`
`azureml-train-core`	Contiene clases de estimador base y la clase de estimador genérica, estimadores usados en el entrenamiento de la red neuronal profunda (DNN), estimadores usados en el entrenamiento de Scikit-Learn, módulos y clases que admiten el ajuste de hiperparámetros.	`pip install azureml-core` `pip install --upgrade azureml-core` `pip show azureml-core`
`azureml-train-automl-runtime`	Contiene la funcionalidad que representa los componentes ML automatizado y de tiempo de ejecución principales en Azure Machine Learning.	`pip install azureml-train-automl-runtime` `pip install --upgrade azureml-train-automl-runtime` `pip show azureml-train-automl-runtime`
`azureml-train-automl-client`	Contiene paquetes, módulos y clases básicos de Azure Machine Learning.	`pip install azureml-train-automl-client` `pip install --upgrade azureml-train-automl-client` `pip show azureml-train-automl-client`
`azureml-telemetry`	Este paquete se usa para recopilar datos de telemetría, como mensajes de registro, métricas, eventos y mensajes de actividad.	`pip install azureml-telemetry` `pip install --upgrade azureml-telemetry` `pip show azureml-telemetry`
`azureml-synapse`	Contiene el comando Magic para administrar la sesión de Synapse y enviar código y el widget SparkMonitor para supervisar el progreso del trabajo de Spark, tanto para Jupyter como para JupyterLab.	`pip install azureml-synapse` `pip install --upgrade azureml-synapse` `pip show azureml-synapse`
`azureml-sdk`	Este paquete se usa para compilar y ejecutar flujos de trabajo de aprendizaje automático en Azure Machine Learning Service	`pip install azureml-sdk` `pip install --upgrade azureml-sdk` `pip show azureml-sdk`
`azureml-pipeline-steps`	Contiene pasos creados previamente que se pueden ejecutar en una canalización de Azure Machine Learning.	`pip install azureml-pipeline-steps` `pip install --upgrade azureml-pipeline-steps` `pip show azureml-pipeline-steps`
`azureml-pipeline-core`	Contiene la funcionalidad básica para las canalizaciones de Azure Machine Learning, que son flujos de trabajo de aprendizaje automático configurables.	`pip install azureml-pipeline-core` `pip install --upgrade azureml-pipeline-core` `pip show azureml-pipeline-core`
`azureml-pipeline`	Este paquete se usa para compilar, optimizar y administrar flujos de trabajo de aprendizaje automático.	`pip install azureml-pipeline` `pip install --upgrade azureml-pipeline` `pip show azureml-pipeline`
`azureml-opendatasets`	Contiene la funcionalidad básica para las canalizaciones de Azure Machine Learning, que son flujos de trabajo de aprendizaje automático configurables.	`pip install azureml-opendatasets` `pip install --upgrade azureml-opendatasets` `pip show azureml-opendatasets`
`azureml-interpret`	Contiene funcionalidad para trabajar con la interpretabilidad del modelo en Azure Machine Learning.	`pip install azureml-interpret` `pip install --upgrade azureml-interpret` `pip show azureml-interpret`
`azureml-defaults`	Este paquete es un metapaquete que usa internamente Azure Machine Learning.	`pip install azureml-defaults` `pip install --upgrade azureml-defaults` `pip show azureml-defaults`
`azureml-dataset-runtime`	El propósito de este paquete es coordinar las dependencias dentro de los paquetes de AzureML. Este paquete es interno y no está pensado para usarse directamente.	`pip install azureml-dataset-runtime` `pip install --upgrade azureml-dataset-runtime` `pip show azureml-dataset-runtime`
`azureml-datadrift`	Contiene la funcionalidad necesaria para detectar en qué momento se han desplazado los datos de entrenamiento del modelo de sus datos de puntuación.	`pip install azureml-datadrift` `pip install --upgrade azureml-datadrift` `pip show azureml-datadrift`
`azureml-contrib-server`	Este paquete es un servicio HTTP local que se usa para exponer un subconjunto de la funcionalidad proporcionada por el SDK de AzureML a VS Tools para extensiones de IA (VSCode y Visual Studio).	`pip install azureml-contrib-server` `pip install --upgrade azureml-contrib-server` `pip show azureml-contrib-server`
`azureml-contrib-run`	Este paquete se usa para contener el código de integración de AzureML con Mlflow.	`pip install azureml-core` `pip install --upgrade azureml-core` `pip show azureml-core`
`azureml-contrib-reinforcementlearning`	Contiene funcionalidad para crear un destino proceso de Windows en Azure Machine Learning.	`pip install azureml-contrib-reinforcementlearning` `pip install --upgrade azureml-contrib-reinforcementlearning` `pip show azureml-contrib-reinforcementlearning`
`azureml-contrib-pipeline-steps`	Contiene módulos y clases para los pasos de canalización especializada de Azure Machine Learning y la configuración asociada.	`pip install azureml-contrib-pipeline-steps` `pip install --upgrade azureml-contrib-pipeline-steps` `pip show azureml-contrib-pipeline-steps`
`azureml-contrib-notebook`	Contiene extensiones para trabajar con cuadernos de Jupyter en Azure Machine Learning.	`pip install azureml-contrib-notebook` `pip install --upgrade azureml-contrib-notebook` `pip show azureml-contrib-notebook`
`azureml-contrib-gbdt`	Este paquete contiene el estimador LightGBM.	`pip install azureml-contrib-gbdt` `pip install --upgrade azureml-contrib-gbdt` `pip show azureml-contrib-gbdt`
`azureml-contrib-functions`	Contiene la funcionalidad para empaquetar modelos de Azure Machine Learning para la implementación en Azure Functions.	`pip install azureml-contrib-functions` `pip install --upgrade azureml-contrib-functions` `pip show azureml-contrib-functions`
`azureml-contrib-fairness`	Este paquete admite el uso de paneles de evaluación de equidad en Azure Machine Learning Studio.	`pip install azureml-contrib-fairness` `pip install --upgrade azureml-contrib-fairness` `pip show azureml-contrib-fairness`
`azureml-contrib-dataset`	Contiene funcionalidad especializada para trabajar con objetos de conjunto de datos en Azure Machine Learning.	`pip install azureml-contrib-dataset` `pip install --upgrade azureml-contrib-dataset` `pip show azureml-contrib-dataset`
`azureml-contrib-automl-pipeline-steps`	Contiene pasos creados previamente que se pueden ejecutar en una canalización de Azure Machine Learning.	`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`	Este paquete solo está pensado para que lo usen los scripts generados por el sistema de AutoML. Para instalar en Windows, los paquetes "torch" y "torchvision" deben instalarse por separado antes de este paquete.	`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`	Paquete común de extensión de la CLI de Azure ML. Común en azure-cli-ml y azure-cli-ml-preview.	`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`	Contribución de AzureML para el destino de proceso de AzureML AI Super Computer. AISCCompute es una infraestructura de proceso de IA administrada que el administrador del clúster puede adjuntar a un área de trabajo.	`pip install azureml-contrib-aisc` `pip install --upgrade azureml-contrib-aisc` `pip show azureml-contrib-aisc`
`azureml-cli-common`	Paquete común de extensión de la CLI de Azure ML. Común en azure-cli-ml y azure-cli-ml-preview.	`pip install azureml-cli-common` `pip install --upgrade azureml-cli-common` `pip show azureml-cli-common`
`azureml-automl-dnn-nlp`	Este paquete solo está pensado para que lo usen los scripts generados por el sistema de AutoML.	`pip install azureml-automl-dnn-nlp` `pip install --upgrade azureml-automl-dnn-nlp` `pip show azureml-automl-dnn-nlp`
`azureml-accel-models`	Acelere las redes neuronales profundas en las FPGA con el servicio de modelos acelerados mediante hardware de Azure Machine Learning.	`pip install azureml-accel-models` `pip install --upgrade azureml-accel-models` `pip show azureml-accel-models`
`azureml-inference-server-http`	Este paquete habilita desarrollo local, integración de CI/CD y rutas de servidor.	`pip install azureml-inference-server-http` `pip install --upgrade azureml-inference-server-http` `pip show azureml-inference-server-http`
`azure-ml-component`	Este paquete contiene una funcionalidad para crear y administrar componentes de Azure Machine Learning, así como para crear y enviar canalizaciones mediante componentes	`pip install azure-ml-component` `pip install --upgrade azure-ml-component` `pip show azure-ml-component`
`azureml-pipeline-wrapper`	Este paquete contiene una funcionalidad para crear y administrar módulos de Azure Machine Learning, así como crear y enviar canalizaciones mediante módulos	`pip install azureml-pipeline-wrapper` `pip install --upgrade azureml-pipeline-wrapper` `pip show azureml-pipeline-wrapper`
`azureml-designer-cv-modules`	Módulos para procesar previamente y transformar imágenes, como recortar, ajustar o cambiar el tamaño.	`pip install azureml-designer-cv-modules` `pip install --upgrade azureml-designer-cv-modules` `pip show azureml-designer-cv-modules`
`azureml-designer-pytorch-modules`	Módulos para entrenar e inferir modelos de clasificación de imágenes basados en el marco pytorch.	`pip install azureml-designer-pytorch-modules` `pip install --upgrade azureml-designer-pytorch-modules` `pip show azureml-designer-pytorch-modules`
`azureml-designer-vowpal-wabbit-modules`	Módulos para entrenar e inferir modelos basados en el marco vowpal Wabbit.	`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`	Diversos módulos para el procesamiento de datos, el entrenamiento del modelo, la inferencia y la evaluación.	`pip install azureml-designer-classic-modules` `pip install --upgrade azureml-designer-classic-modules` `pip show azureml-designer-classic-modules`
`azureml-designer-recommender-modules`	Módulos para entrenar e inferir modelos de recomendación basados en una red neuronal profunda.	`pip install azureml-designer-recommender-modules` `pip install --upgrade azureml-designer-recommender-modules` `pip show azureml-designer-recommender-modules`
`azureml-designer-internal`	Funcionalidades internas proporcionadas para los módulos integrados.	`pip install azureml-designer-internal` `pip install --upgrade azureml-designer-internal` `pip show azureml-designer-internal`
`azureml-designer-core`	Funcionalidades principales para la definición de tipo de datos, la E/S de datos y las funciones de uso frecuente.	`pip install azureml-designer-core` `pip install --upgrade azureml-designer-core` `pip show azureml-designer-core`
`azureml-designer-datatransform-modules`	Módulos para transformar el conjunto de datos, por ejemplo, mediante la aplicación de operaciones matemáticas, consultas SQL, recorte de valores atípicos o la generación de un informe de estadísticas.	`pip install azureml-designer-datatransform-modules` `pip install --upgrade azureml-designer-datatransform-modules` `pip show azureml-designer-datatransform-modules`
`azureml-designer-dataio-modules`	Módulos para cargar datos en el diseñador de Azure Machine Learning y escribir datos en el almacenamiento basado en la nube.	`pip install azureml-designer-dataio-modules` `pip install --upgrade azureml-designer-dataio-modules` `pip show azureml-designer-dataio-modules`
`azureml-designer-serving`	Proporcionar funcionalidades para invocar módulos integrados en el servicio de implementación.	`pip install azureml-designer-serving` `pip install --upgrade azureml-designer-serving` `pip show azureml-designer-serving`
`azureml-contrib-datadrift`	Contiene una funcionalidad para la detección de desviación de datos para varios conjuntos de datos usados en el aprendizaje automático, incluidos los conjuntos de datos de entrenamiento y el conjunto de datos de puntuación.	`pip install azureml-contrib-datadrift` `pip install --upgrade azureml-contrib-datadrift` `pip show azureml-contrib-datadrift`
`azureml-contrib-explain-model`	Contiene una funcionalidad experimental para el paquete azureml-explain-model, que ofrece una variedad de servicios para la interpretación del modelo de aprendizaje automático.	`pip install azureml-contrib-explain-model` `pip install --upgrade azureml-contrib-explain-model` `pip show azureml-contrib-explain-model`
`azureml-contrib-opendatasets`	Este paquete proporciona un conjunto de API para consumir Azure Open Datasets.	`pip install azureml-contrib-opendatasets` `pip install --upgrade azureml-contrib-opendatasets` `pip show azureml-contrib-opendatasets`
`azureml-train-widgets`	Contiene widgets para cuadernos de Jupyter Notebook para realizar un seguimiento visual de las ejecuciones.	`pip install azureml-train-widgets` `pip install --upgrade azureml-train-widgets` `pip show azureml-train-widgets`

Para obtener más información sobre los paquetes anteriores, consulte AzureML en pypi.

Guía adicional sobre los casos de uso

Si su caso de uso se describe a continuación, preste atención a la guía y a las acciones recomendadas.

Caso de uso	Guía
Usar `automl`	Instale todo el`azureml-train-automl` SDK en un nuevo entorno de Python de 64 bits. Se requiere un entorno nuevo de 64 bits debido a una dependencia en el marco de LightGBM. Este paquete instala y ancla versiones específicas de paquetes de ciencia de datos por compatibilidad, lo que requiere un entorno limpio. El paquete de cliente ligero, `azureml-train-automl-client`, no instala paquetes de ciencia de datos adicionales ni requiere un entorno de Python limpio. Se recomienda `azureml-train-automl-client` si solo necesita enviar ejecuciones de ML automatizado a un proceso remoto y no necesita enviar ejecuciones locales ni descargar el modelo localmente. Solo se admite una versión con versiones anteriores y otra versiones para los modelos entrenados con el paquete `azureml-train-automl` completo. Por ejemplo, si un modelo se entrena con la versión 1.29.0 del SDK, puede inferir con las versiones del SDK entre 1.28.0 y 1.30.0.
Uso de Azure Databricks	En el entorno de Azure Databricks, use los orígenes de biblioteca que se detallan en esta guía para instalar el SDK. Consulte también estos consejos para obtener más información sobre cómo trabajar con el SDK de Azure Machine Learning para Python en Azure Databricks.
Uso de Azure Data Science Virtual Machine	Las instancias de Azure Data Science Virtual Machine creadas después del 27 de septiembre de 2018 tienen preinstalado el SDK de Python.
Ejecutar tutoriales o cuadernos de Azure Machine Learning.	Si usa una versión del SDK anterior a la mencionada en el tutorial o en el cuaderno, debe actualizar el SDK. Algunas de las funcionalidades de los tutoriales y cuadernos pueden requerir paquetes adicionales de Python como `matplotlib`, `scikit-learn` o `pandas`. Las instrucciones de cada tutorial y cuaderno le mostrarán los paquetes necesarios.

Solución de problemas

Instalación de pip: no existe garantía de que las dependencias sean coherentes con la instalación de una sola línea:

Se trata de una limitación conocida de pip, ya que no tiene una resolución de dependencias operativa al realizar la instalación como una sola línea. Solo tiene en cuenta la primera dependencia única.

En el código siguiente, azureml-datadrift y azureml-train-automl se instalan mediante una instalación de pip de una sola línea.
```
  pip install azureml-datadrift, azureml-train-automl
```
En este ejemplo, supongamos que azureml-datadrift requiere una versión > posterior a la 1.0 y que azureml-train-automl requiere una versión < inferior a la 1.2. Si la versión más reciente de azureml-datadrift es la 1.3, ambos paquetes se actualizarán a la 1.3, independientemente de que el paquete de azureml-train-automl requiera una versión anterior.

Para asegurarse de que se instalan las versiones adecuadas para los paquetes, instale con varias líneas como en el código siguiente. El orden no importa, ya que pip cambia a una versión anterior explícitamente como parte de la siguiente llamada de línea. De este modo, se aplican las dependencias de versión adecuadas.
```
   pip install azureml-datadrift
   pip install azureml-train-automl 
```

No se garantiza que el paquete de explicación se instale al instalar azureml-train-automl-client:

Al realizar una ejecución de AutoML remota con la explicación del modelo habilitada, se mostrará un mensaje de error con el texto "Instale el paquete azureml-explain-model para obtener las explicaciones de los modelos". Se trata de un problema conocido. Como solución alternativa, siga uno de estos pasos:

Instale azureml-explain-model de forma local.

    pip install azureml-explain-model

Deshabilite la característica de explicación por completo y pase model_explainability=False en la configuración de AutoML.

    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)

Errores de Panda: se suelen observar durante un experimento de AutoML:

Al configurar manualmente el entorno con pip, es posible que observe errores (especialmente de pandas) debido a la instalación de versiones de paquete incompatibles.

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

Para evitar estos errores, instale el SDK de AutoML con automl_setup.cmd:
1. Abra un símbolo del sistema de Anaconda y clone el repositorio de GitHub para un conjunto de cuadernos de ejemplo.
```
git clone https://github.com/Azure/MachineLearningNotebooks.git
```
1. Cambie con el comando cd a la carpeta how-to-use-azureml/automated-machine-learning donde se extrajeron los cuadernos de ejemplo y, a continuación, ejecute:
```
automl_setup
```
KeyError: "brand" cuando se ejecuta AutoML en el proceso local o en el clúster de Azure Databricks

Si se creó un nuevo entorno después del 10 de junio de 2020, con el SDK 1.7.0 o una versión anterior, es posible que se produzca un error en el entrenamiento debido a una actualización en el paquete py-cpuinfo. (Los entornos creados el 10 de junio de 2020 o con anterioridad a esa fecha, no se ven afectados, ya que los experimentos se ejecutan en el proceso remoto porque se usan imágenes de entrenamiento almacenadas en caché). Para resolver este problema, lleve a cabo uno de los dos pasos siguientes:
- Actualice la versión del SDK a 1.8.0 o posterior (esta operación también cambiará a la versión anterior 5.0.0 de py-cpuinfo):
```
pip install --upgrade azureml-sdk[automl]
```
- Cambie la versión instalada de py-cpuinfo a la versión anterior 5.0.0:
```
pip install py-cpuinfo==5.0.0
```
Mensaje de error: no se puede desinstalar 'PyYAML'

SDK de Azure Machine Learning para Python: PyYAML es un proyecto instalado de distutils. Por lo tanto, no se puede determinar con precisión qué archivos le pertenecen en caso de una desinstalación parcial. Para continuar con la instalación del SDK sin tener en cuenta este error, use:
```
pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
```
Error en la instalación del SDK de Azure Machine Learning con una excepción: ModuleNotFoundError: No hay ningún módulo denominado "ruamel" o "ImportError: No hay ningún módulo denominado ruamel.yaml"

Este problema se encuentra en la instalación del SDK de Azure Machine Learning para Python en el archivo pip más reciente (posterior a 20.1.1) en el entorno base de Conda para todas las versiones publicadas de SDK de Azure Machine Learning para Python. Consulte las siguientes soluciones alternativas:
- Evite instalar el SDK para Python en el entorno base de Conda, en lugar de crear el entorno de Conda e instalar el SDK en ese entorno de usuario recién creado. El archivo pip más reciente debe funcionar en ese nuevo entorno de Conda.
- Para crear imágenes en Docker, en las que no se puede cambiar el entorno base de Conda, ancle el archivo pip de la versión 20.1.1 o anterior en el archivo de Docker.
```
conda install -c r -y conda python=3.8 pip=20.1.1
```

Pasos siguientes

Pruebe estos pasos para saber cómo usar el SDK de Azure Machine Learning Service para Python:

Consulte la información general del SDK de Python para Azure Machine Learning para aprender sobre las clases clave y los patrones de diseño con ejemplos de código.
Siga el tutorial de introducción de Python para Azure Machine Learning para empezar a crear experimentos y modelos.