Partager via


Bibliothèque cliente de package Azure ML pour Python - version 1.12.1

Nous sommes ravis de présenter la disponibilité générale du KIT de développement logiciel (SDK) Python Azure Machine Learning v2. Le Kit de développement logiciel (SDK) Python v2 introduit de nouvelles fonctionnalités du KIT de développement logiciel (SDK) comme les travaux locaux autonomes, les composants réutilisables pour les pipelines et l’inférence en ligne/par lots gérées. Le KIT de développement logiciel (SDK) Python v2 vous permet de passer facilement et de manière incrémentielle de tâches simples à des tâches complexes. Cela est activé à l’aide d’un modèle objet commun qui apporte la réutilisation du concept et la cohérence des actions entre différentes tâches. Le KIT de développement logiciel (SDK) v2 partage sa base avec l’interface CLI v2, qui est également en disponibilité générale.

| Code sourcePackage (PyPI) | Package (Conda) | Documentation de référence sur les | API | Documentation produitÉchantillons

Ce package a été testé avec Python 3.7, 3.8, 3.9 et 3.10.

Pour un ensemble plus complet de bibliothèques Azure, consultez https://aka.ms/azsdk/python/all

Prise en main

Prérequis

Installer le package

Installez la bibliothèque de client Azure ML pour Python avec pip :

pip install azure-ai-ml
pip install azure-identity

Authentifier le client

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

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

Concepts clés

Le Kit de développement logiciel (SDK) Python Azure Machine Learning v2 est fourni avec de nombreuses nouvelles fonctionnalités telles que les travaux locaux autonomes, les composants réutilisables pour les pipelines et l’inférence en ligne/par lots gérées. Le Kit de développement logiciel (SDK) v2 apporte cohérence et facilité d’utilisation sur toutes les ressources de la plateforme. Le Kit de développement logiciel (SDK) Python v2 offre les fonctionnalités suivantes :

  • Exécuter des travaux autonomes : exécutez une activité ML discrète en tant que travail. Ce travail peut être exécuté localement ou dans le cloud. Nous prenons actuellement en charge les types de travaux suivants :
    • Commande : exécutez une commande (Python, R, Windows Command, Linux Shell, etc.)
    • Balayage : exécutez un balayage hyperparamètre sur votre commande
  • Exécuter plusieurs travaux à l’aide de nos pipelines améliorés
    • Exécuter une série de commandes collées dans un pipeline (Nouveau)
    • Composants : exécutez des pipelines à l’aide de composants réutilisables (Nouveau)
  • Utiliser vos modèles pour l’inférence Managed Online (Nouveau)
  • Utiliser vos modèles pour l’inférence par lots managée
  • Gérer les ressources AML : espace de travail, calcul, magasins de données
  • Gérer les ressources AML - Jeux de données, environnements, modèles
  • AutoML : exécutez une formation AutoML autonome pour diverses tâches ml :
    • Classification (données tabulaires)
    • Régression (données tabulaires)
    • Prévisions de série chronologique (données tabulaires)
    • Classification d’images (multiclasse) (Nouveau)
    • Classification d’images (multi-étiquettes) (Nouveau)
    • Détection d’objets image (Nouveau)
    • Segmentation d’instance d’image (Nouveau)
    • Classification de texte NLP (multiclasse) (Nouveau)
    • Classification de texte NLP (multi-étiquettes) (Nouveau)
    • Reconnaissance d’entité nommée (NER) de texte NLP (nouveau)

Exemples

Dépannage

Général

Les clients Azure ML déclenchent des exceptions définies dans Azure Core.

from azure.core.exceptions import HttpResponseError

try:
    ml_client.compute.get("cpu-cluster")
except HttpResponseError as error:
    print("Request failed: {}".format(error.message))

Journalisation

Cette bibliothèque utilise la bibliothèque de journalisation standard pour la journalisation. Les informations de base sur les sessions HTTP (URL, en-têtes, etc.) sont enregistrées au niveau INFO.

La journalisation détaillée au niveau DEBUG, y compris les corps de requête/réponse et les en-têtes non expurgés, peut être activée sur un client avec l’argument logging_enable .

Consultez la documentation complète sur la journalisation du KIT de développement logiciel (SDK) avec des exemples ici.

Télémétrie

Le Kit de développement logiciel (SDK) Python Azure ML inclut une fonctionnalité de télémétrie qui collecte les données d’utilisation et d’échec du KIT de développement logiciel (SDK) et les envoie à Microsoft lorsque vous utilisez le Kit de développement logiciel (SDK) dans un Jupyter Notebook uniquement. Les données de télémétrie ne sont pas collectées pour une utilisation du KIT de développement logiciel (SDK) Python en dehors d’un Jupyter Notebook.

Les données de télémétrie aident l’équipe du Kit de développement logiciel (SDK) à comprendre comment le KIT de développement logiciel (SDK) est utilisé afin qu’il puisse être amélioré et que les informations sur les échecs aident l’équipe à résoudre les problèmes et à résoudre les bogues. La fonctionnalité de télémétrie du KIT de développement logiciel (SDK) est activée par défaut pour Jupyter Notebook utilisation et ne peut pas l’être pour les scénarios autres que Jupyter. Pour désactiver la fonctionnalité de télémétrie dans un scénario Jupyter, passez-en lors enable_telemetry=False de la construction de votre objet MLClient.

Étapes suivantes

Contribution

Ce projet accepte les contributions et les suggestions. La plupart des contributions vous demandent d’accepter un contrat de licence de contribution (CLA) déclarant que vous avez le droit de nous accorder, et que vous nous accordez réellement, les droits d’utilisation de votre contribution. Pour plus d’informations, consultez cla.microsoft.com.

Quand vous envoyez une demande de tirage (pull request), un bot CLA détermine automatiquement si vous devez fournir un contrat CLA et agrémenter la demande de tirage de façon appropriée (par exemple, avec une étiquette ou un commentaire). Suivez simplement les instructions fournies par le bot. Vous ne devez effectuer cette opération qu’une seule fois sur tous les dépôts utilisant notre contrat CLA.

Ce projet a adopté le Code de conduite Open Source de Microsoft. Pour plus d’informations, consultez les Questions fréquentes (FAQ) sur le code de conduite ou envoyez vos questions ou vos commentaires à opencode@microsoft.com.