A Python SDK felfedezése
Fontos
Jelenleg a Python SDK két verziója létezik: 1. (v1) és 2. verzió (v2). Minden új projekt esetében a v2-t kell használnia, ezért ebben a leckében csak a v2-ről esik szó. Tudjon meg többet arról, hogyan lehet dönteni a v1 és v2 között .
Az adattudósok az Azure Machine Learning használatával taníthatják be, követhetik nyomon és kezelhetik a gépi tanulási modelleket. Adatelemzőként többnyire az Azure Machine Learning-munkaterületen lévő eszközökkel fog dolgozni a gépi tanulási számítási feladatokhoz.
Mivel a legtöbb adattudós ismeri a Pythont, az Azure Machine Learning egy szoftverfejlesztői készletet (SDK- t) kínál, amellyel a Python használatával kezelheti a munkaterületet.
Az Azure Machine Learninghez készült Python SDK ideális eszköz az adattudósok számára, amely bármilyen Python-környezetben használható. Akár jupyter notebookokkal, akár Visual Studio Code-tal dolgozik, telepítheti a Python SDK-t, és csatlakozhat a munkaterülethez.
A Python SDK telepítése
A Python SDK Python-környezetben való telepítéséhez Python 3.7 vagy újabb verzióra van szükség. A csomagot a(z) pipsegítségével telepítheti.
pip install azure-ai-ml
Jegyzet
Ha az Azure Machine Learning Studióban dolgozik jegyzetfüzetekkel, az új Python SDK már telepítve van a Python 3.10 vagy újabb használatakor. A Python SDK v2-t használhatja a Python korábbi verzióival, de először telepítenie kell.
Csatlakozás a munkaterülethez
A Python SDK telepítése után csatlakoznia kell a munkaterülethez. A csatlakozással hitelesíti a környezetet, hogy a munkaterülettel együttműködve hozzon létre és kezelhesse az eszközöket és erőforrásokat.
A hitelesítéshez három szükséges paraméter értékére van szükség:
-
subscription_id: Az előfizetés azonosítója. -
resource_group: Az erőforráscsoport neve. -
workspace_name: A munkaterület neve.
Ezután a hitelesítést a következő kóddal határozhatja meg:
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential
ml_client = MLClient(
DefaultAzureCredential(), subscription_id, resource_group, workspace
)
A hitelesítés definiálása után meg kell hívnia MLClient, hogy a környezet csatlakozzon a munkaterülethez. Bármikor meghívhatja MLClient, amikor létre szeretne hozni vagy frissíteni szeretne egy objektumot vagy erőforrást a munkaterületen.
Ha például új feladatot hoz létre egy modell betanítása céljából, a munkaterülethez fog csatlakozni:
from azure.ai.ml import command
# configure job
job = command(
code="./src",
command="python train.py",
environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
compute="aml-cluster",
experiment_name="train-model"
)
# connect to workspace and submit job
returned_job = ml_client.create_or_update(job)
A referenciadokumentáció használata
A Python SDK hatékony használatához a referenciadokumentációt kell használnia. A referenciadokumentációban megtalálja a Python SDK-ban elérhető összes lehetséges osztályt, metódust és paramétert.
A MLClient osztály referenciadokumentációja tartalmazza a munkaterülethez való csatlakozáshoz és a munkaterülettel való interakcióhoz használható módszereket. Emellett a különböző entitások lehetséges műveleteire is hivatkozik, például arra, hogyan listázhatja a munkaterületen lévő meglévő adattárakat.
A referenciadokumentáció tartalmazza az összes entitás osztályainak listáját is, használhatja. Például külön osztályok léteznek, ha olyan adattárat szeretne létrehozni, amely egy Azure Blob Storage-hoz vagy egy 2. generációs Azure Data Lake-hez kapcsolódik.
Ha kiválaszt egy adott osztályt, például AmlCompute az entitások listájából, egy részletesebb oldalt talál az osztály használatáról, valamint arról, hogy milyen paramétereket fogad el.