Catatan rilis SDK Python Azure Machine Learning

Artikel
01/29/2024

Pada artikel ini, pelajari tentang rilis SDK Python Azure Machine Learning. Untuk konten referensi SDK lengkap, buka halaman referensi SDK utama untuk Python Azure Machine Learning.

Umpan RSS: Dapatkan pemberitahuan ketika halaman ini diperbarui dengan menyalin dan menempelkan URL berikut ke pembaca umpan Anda: https://learn.microsoft.com/api/search/rss?search=%22Azure+machine+learning+release+notes%22&locale=en-us

2024-04-29

Azure Pembelajaran Mesin SDK untuk Python v1.56.0

azureml-core
- Aktifkan pemetaan ulang Application Insights untuk wilayah baru Tiongkok Timur 3, karena tidak mendukung mode sumber daya klasik. Juga memperbaiki pembaruan yang hilang untuk Tiongkok Utara 3.
azureml-defaults
- Pin azureml-inference-server-http yang dibentuk ke 1.0.0 di azureml-defaults.
azureml-interpret
- paket azureml-interpret yang diperbarui ke interpret-community 0.31.*
azureml-responsibleai
- memperbarui lingkungan umum dan paket azureml-responsibleai ke raiwidgets dan responsibleai 0.33.0
- Meningkatkan versi dependensi responsibleai dan fairlearn

2024-01-29

Azure Pembelajaran Mesin SDK untuk Python v1.55.0

azureml-core
- Aktifkan pemetaan ulang Application Insights untuk wilayah baru Tiongkok Timur 3, karena tidak mendukung mode sumber daya klasik. Juga memperbaiki pembaruan yang hilang untuk Tiongkok Utara 3.
azureml-defaults
- Pin azureml-inference-server-http yang dibentuk ke 1.0.0 di azureml-defaults.
azureml-interpret
- paket azureml-interpret yang diperbarui ke interpret-community 0.31.*
azureml-responsibleai
- memperbarui lingkungan umum dan paket azureml-responsibleai ke raiwidgets dan responsibleai 0.33.0
- Meningkatkan versi dependensi responsibleai dan fairlearn

2023-11-13

azureml-automl-core, azureml-automl-runtime, azureml-contrib-automl-dnn-forecasting, azureml-train-automl-client, azureml-train-automl-runtime, azureml-training-tabular
- statsmodel, panda, dan scipy ditingkatkan ke versi 1.13, 1.3.5 dan 1.10.1 - fbprophet 0.7.1 digantikan oleh nabi 1.1.4 Ketika memuat model di lingkungan lokal, versi paket ini harus sesuai dengan apa model dilatih.
azureml-core, azureml-pipeline-core, azureml-pipeline-steps
- AzureML-Pipeline - Tambahkan peringatan untuk init_scripts parameter dalam langkah Databricks, yang memberi tahu Anda mengenai penghentiannya yang akan datang.
azureml-interpret
- memperbarui paket azureml-interpret ke interpret-community 0.30.*
azureml-mlflow
- feat: Tambahkan AZUREML_BLOB_MAX_SINGLE_PUT_SIZE untuk mengontrol ukuran dalam byte potongan unggahan. Menurunkan ini dari default (64*1024*1024 yaitu 64MB) dapat memperbaiki masalah di mana operasi tulis gagal karena waktu habis.
- Dukungan untuk mengunggah dan mengunduh model dari registri AzureML saat ini bersifat eksperimental
- Menambahkan dukungan untuk pengguna yang ingin mengunduh atau mengunggah model dari registri AML

2023-08-21

Azure Pembelajaran Mesin SDK untuk Python v1.53.0

azureml-automl-core
- Dukungan fitur/regresor yang diketahui pada saat prakiraan dalam model TCN prakiraan AutoML.
azureml-automl-dnn-vision
- Mengaktifkan bendera untuk log_training_metrics dan log_validation_loss untuk deteksi objek automl dan segmentasi instans
azureml-contrib-automl-dnn-forecasting
- Dukungan fitur/regresor yang diketahui pada saat prakiraan dalam model TCN prakiraan AutoML.
azureml-core
- Menambahkan pertukaran lokasi appinsights untuk qatarcentral untuk menunjuk ke uaenorth
- Python 3.7 mencapai akhir masa pakai pada 27 Juni 2023. Akibatnya, 3.7 tidak akan digunakan lagi di azureml-core mulai Oktober 2023 dan azureml-core akan mengakhiri dukungan untuk 3,7 pada Februari 2024.
azureml-mlflow
- Perbaikan untuk memuat model dengan MLflow load_model API saat melewati URI AzureML
azureml-pipeline-core
- Lewati eksekusi anak dan kesalahan log saat eksekusi anak beban gagal (misalnya 404) menggunakan PipelineRun.get_pipeline_runs.
- PipelineEndpoint.list memperkenalkan parameter max_resultsint baru , yang menunjukkan ukuran maksimum daftar yang dikembalikan. Nilai default adalah max_results 100.
azureml-training-tabular
- Dukungan fitur/regresor yang diketahui pada saat prakiraan dalam model TCN prakiraan AutoML.

2023-06-26

Azure Pembelajaran Mesin SDK untuk Python v1.52.0

azureml-automl-dnn-vision
- Tanda tangan mlflow untuk model automl runtime (warisan) telah berubah untuk menerima input biner. Ini memungkinkan inferensi batch. Fungsi prediksi kompatibel mundur sehingga pengguna masih dapat mengirim string base64 sebagai input. Output dari fungsi prediksi telah berubah untuk menghapus nama file sementara dan visualisasi kosong dan kunci atribusi ketika penjelasan model adalah n...
azureml-contrib-automl-dnn-forecasting
- Memperbaiki bug yang menyebabkan kegagalan selama pelatihan TCN terdistribusi ketika data terdiri dari satu rangkaian waktu.
azureml-interpret
- hapus pin shap di azureml-interpret untuk diperbarui ke yang terbaru dalam interpret-community
azureml-responsibleai
- memperbarui lingkungan umum dan paket azureml-responsibleai ke raiwidgets dan responsibleai 0.28.0

2023-05-20

Azure Pembelajaran Mesin SDK untuk Python v1.51.0

azureml-automl-core
- Tugas prakiraan AutoML sekarang mendukung prakiraan bergulir dan dukungan parsial untuk prakiraan kuantil untuk seri waktu hierarkis (HTS).
- Melarang penggunaan himpunan data non-tabular kepada pelanggan untuk skenario Klasifikasi (multi-kelas dan multi-label)
azureml-automl-dnn-nlp
- Melarang penggunaan himpunan data non-tabular kepada pelanggan untuk skenario Klasifikasi (multi-kelas dan multi-label)
azureml-contrib-automl-pipeline-steps
- Tugas prakiraan AutoML sekarang mendukung prakiraan bergulir dan dukungan parsial untuk prakiraan kuantil untuk seri waktu hierarkis (HTS).
azureml-fsspec
- Mengganti semua kesalahan yang disebabkan pengguna di MLTable & FSSpec dengan UserErrorException kustom yang diimpor dari azureml-dataprep.
azureml-interpret
- paket azureml-interpret yang diperbarui ke interpret-community 0.29.*
azureml-pipeline-core
- Perbaikan pipeline_version tidak berlaku saat memanggil pipeline_endpoint.submit().
azureml-train-automl-client
- Tugas prakiraan AutoML sekarang mendukung prakiraan bergulir dan dukungan parsial untuk prakiraan kuantil untuk seri waktu hierarkis (HTS).
azureml-train-automl-runtime
- Tugas prakiraan AutoML sekarang mendukung prakiraan bergulir dan dukungan parsial untuk prakiraan kuantil untuk seri waktu hierarkis (HTS).
mltable
- Lebih banyak varian pengodean seperti utf-8 sekarang didukung saat memuat file MLTable.
- Mengganti semua kesalahan yang disebabkan pengguna di MLTable & FSSpec dengan UserErrorException kustom yang diimpor dari azureml-dataprep.

2023-04-10

Azure Pembelajaran Mesin SDK untuk Python v1.50.0

azureml-contrib-automl-dnn-forecasting
- Menambahkan dukungan untuk prakiraan pada kuantil tertentu untuk model TCN.
azureml-responsibleai
- memperbarui lingkungan umum dan paket azureml-responsibleai ke raiwidgets dan responsibleai 0.26.0
azureml-train-automl-runtime
- Memperbaiki penanganan MLTable untuk skenario pengujian model
azureml-training-tabular
- Menambahkan kuantil sebagai parameter dalam metode forecast_quantile.

2023-03-01

Mengumumkan akhir dukungan untuk Python 3.7 di paket Azure Pembelajaran Mesin SDK v1

Penghentian penggunaan fitur
- Menghentikan Python 3.7 sebagai runtime yang didukung untuk paket SDK v1
  - Pada 4 Desember 2023, Azure Pembelajaran Mesin akan secara resmi berhenti mendukung paket Python 3.7 untuk SDK v1 dan menghentikannya sebagai runtime yang didukung. Untuk detail selengkapnya, silakan baca halaman kami di Azure SDK untuk kebijakan dukungan versi Python
  - Pada tanggal penghentian 4 Desember 2023, paket Azure Pembelajaran Mesin SDK v1 tidak akan lagi menerima patch keamanan dan pembaruan lain untuk runtime Python 3.7.
  - Versi Python 3.7 saat ini untuk Azure Pembelajaran Mesin SDK v1 masih berfungsi. Namun, untuk terus menerima pembaruan keamanan dan tetap memenuhi syarat untuk bantuan teknis, Azure Pembelajaran Mesin sangat menyarankan agar Anda memindahkan skrip dan dependensi ke versi runtime Python yang didukung.
  - Sebagai runtime untuk file Azure Pembelajaran Mesin SDK v1, sebaiknya gunakan Python versi 3.8 atau yang lebih baru.
  - Selain itu, paket Azure Pembelajaran Mesin SDK v1 berbasis Python 3.7 tidak lagi memenuhi syarat untuk bantuan teknis.
  - Gunakan dukungan Azure Pembelajaran Mesin untuk menghubungi kami jika Anda memiliki kekhawatiran.

2023-13-02

Azure Pembelajaran Mesin SDK untuk Python v1.49.0

Perubahan mencolok
- Dimulai dengan v1.49.0 ke atas, algoritma AutoML berikut tidak akan didukung.
  - Regresi: FastLinearRegressor, OnlineGradientDescentRegressor
  - Klasifikasi: AveragedPerceptronClassifier.
- Gunakan v1.48.0 atau yang lebih baru untuk terus menggunakan algoritma ini.
Perbaikan bug dan peningkatan
- azureml-automl-dnn-nlp
  - Log untuk menampilkan nilai akhir yang diterapkan ke pengaturan model dan hyperparameter berdasarkan nilai default dan yang ditentukan pengguna.
- azureml-contrib-automl-dnn-forecasting
  - Metrik nonscalar untuk TCNForecaster sekarang mencerminkan nilai dari epoch terakhir.
  - Memperkirakan visual horizon untuk rangkaian kereta dan set pengujian sekarang tersedia saat menjalankan eksperimen pelatihan TCN.
  - Eksekusi tidak akan gagal lagi karena kesalahan "Gagal menghitung metrik TCN". Pesan peringatan yang bertuliskan "Perhitungan metrik Prakiraan mengakibatkan kesalahan, melaporkan kembali skor terburuk" masih akan dicatat. Sebaliknya, kami mengajukan pengecualian ketika kami menghadapi kehilangan validasi inf/nan selama lebih dari dua kali berturut-turut dengan pesan "Model Tidak Valid, pelatihan TCN tidak bertemu.". Pelanggan perlu mengetahui fakta bahwa model yang dimuat dapat mengembalikan nilai nan/inf sebagai prediksi saat menyimpulkan setelah perubahan ini.
- azureml-core
  - Pembuatan ruang kerja Azure Pembelajaran Mesin memanfaatkan Application Insights Berbasis Analitik Log sebagai persiapan untuk penghentian Application Insights Klasik. Pengguna yang ingin menggunakan sumber daya Application Insights Klasik masih dapat menentukan sumber daya mereka sendiri untuk dibawa saat membuat ruang kerja Azure Pembelajaran Mesin.
- azureml-interpret
  - memperbarui paket azureml-interpret ke interpret-community 0.28.*
- azureml-mlflow
  - Memperbarui klien azureml-mlflow dengan dukungan awal untuk MLflow 2.0
- azureml-responsibleai
  - memperbarui paket dan notebook azureml-responsibleai ke raiwidgets dan responsibleai v0.24.0
- azureml-sdk
  - azureml-sdk dan azureml-train-automl-client sekarang mendukung Python versi 3.10
- azureml-train-automl-client
  - azureml-sdk dan azureml-train-automl-client sekarang mendukung Python versi 3.10
- azureml-train-automl-runtime
  - Bersihkan y yang hilang sebelum pelatihan
  - Membersihkan nilai nan atau kosong kolom target untuk skenario non-aliran
  - Visual cakrawala prakiraan untuk set pengujian sekarang tersedia saat menjalankan eksperimen pelatihan.
- azureml-train-core
  - Menambahkan dukungan ke pelanggan untuk menyediakan id eksekusi kustom untuk eksekusi hyperdrive
- azureml-train-restclients-hyperdrive
  - Menambahkan dukungan ke pelanggan untuk menyediakan id eksekusi kustom untuk eksekusi hyperdrive

2022-12-05

Azure Pembelajaran Mesin SDK untuk Python v1.48.0

Perubahan mencolok
- Dukungan Python 3.6 tidak digunakan lagi untuk paket Azure Pembelajaran Mesin SDK.
Perbaikan bug dan peningkatan
- azureml-core
  - Akun penyimpanan yang dibuat sebagai bagian dari pembuatan ruang kerja sekarang mengatur akses publik blob untuk dinonaktifkan secara default
- azureml-responsibleai
  - Memperbarui paket dan notebook azureml-responsibleai ke paket raiwidgets dan responsibleai v0.23.0
  - Menambahkan model serializer dan model pyfunc ke paket azureml-responsibleai untuk menyimpan dan mengambil model dengan mudah
- azureml-train-automl-runtime
  - Menambahkan docstring untuk Parameter ManyModels dan Parameter HierarchicalTimeSeries
  - Memperbaiki bug di mana kode yang dihasilkan tidak melakukan pemisahan pelatihan/pengujian dengan benar.
  - Memperbaiki bug yang menyebabkan prakiraan pekerjaan pelatihan kode yang dihasilkan gagal.

2022-10-25

Azure Pembelajaran Mesin SDK untuk Python v1.47.0

azureml-automl-dnn-nlp
- Perubahan runtime untuk AutoML NLP untuk memperhitungkan parameter pelatihan tetap, sebagai bagian dari pembersihan model yang baru diperkenalkan dan penyetelan hiperparameter.
azureml-mlflow
- AZUREML_ARTIFACTS_DEFAULT_TIMEOUT dapat digunakan untuk mengontrol batas waktu unggahan artefak
azureml-train-automl-runtime
- Banyak Model dan pelatihan Seri Waktu Hierarkis sekarang memberlakukan pemeriksaan parameter batas waktu untuk mendeteksi konflik sebelum mengirimkan eksperimen untuk dijalankan. Ini mencegah kegagalan eksperimen selama eksekusi dengan menaikkan pengecualian sebelum mengirimkan eksperimen.
- Pelanggan sekarang dapat mengontrol ukuran langkah saat menggunakan prakiraan bergulir dalam inferensi Banyak Model.
- Inferensi ManyModels dengan data tabular yang tidak dipartisi sekarang mendukung forecast_quantiles.

2022-09-26

Azure Pembelajaran Mesin SDK untuk Python v1.46.0

azureml-automl-dnn-nlp
- Pelanggan tidak akan lagi diizinkan untuk menentukan baris di CoNLL, yang hanya terdiri dari token. Baris harus selalu berupa baris baru kosong atau satu dengan tepat satu token diikuti dengan tepat satu spasi diikuti dengan tepat satu label.
azureml-contrib-automl-dnn-forecasting
- Ada kasus sudut di mana sampel dikurangi menjadi 1 setelah pemisahan validasi silang tetapi sample_size masih menunjuk ke hitungan sebelum pemisahan dan karenanya batch_size akhirnya menjadi lebih dari jumlah sampel dalam beberapa kasus. Dalam perbaikan ini kita menginisialisasi sample_size setelah pemisahan
azureml-core
- Menambahkan peringatan penghentian saat pelanggan inferensi menggunakan API penyebaran model CLI/SDK v1 untuk menyebarkan model dan juga ketika versi Python adalah 3.6 dan kurang.
- Nilai AZUREML_LOG_DEPRECATION_WARNING_ENABLED berikut mengubah perilaku sebagai berikut:
  - Default - menampilkan peringatan saat pelanggan menggunakan Python 3.6 dan kurang dan untuk cli/sdk v1.
  - True - menampilkan peringatan penghentian sdk v1 pada paket azureml-sdk.
  - False - menonaktifkan peringatan penghentian sdk v1 pada paket azureml-sdk.
- Perintah yang akan dijalankan untuk mengatur variabel lingkungan untuk menonaktifkan pesan penghentian:
  - Windows - setx AZUREML_LOG_DEPRECATION_WARNING_ENABLED "False"
  - Linux - export AZUREML_LOG_DEPRECATION_WARNING_ENABLED="False"
azureml-interpret
- perbarui paket azureml-interpret ke interpret-community 0.27.*
azureml-pipeline-core
- Perbaiki jadwal zona waktu default ke UTC.
- Perbaiki penggunaan kembali yang salah saat menggunakan SqlDataReference di langkah DataTransfer.
azureml-responsibleai
- memperbarui paket azureml-responsibleai dan gambar yang dikumpulkan ke raiwidgets dan responsibleai v0.22.0
azureml-train-automl-runtime
- Memperbaiki bug dalam skrip yang dihasilkan yang menyebabkan metrik tertentu tidak dirender dengan benar di ui.
- Banyak Model sekarang mendukung perkiraan bergulir untuk inferensi.
- Dukungan untuk mengembalikan model teratas N dalam skenario Banyak model.

29-08-2-2022

SDK Azure Machine Learning untuk Python v1.45.0

azureml-automl-runtime
- Memperbaiki bug di mana kolom sample_weight tidak divalidasi dengan benar.
- Menambahkan metode publik rolling_forecast() ke pembungkus alur prakiraan untuk semua model prakiraan yang didukung. Metode ini menggantikan metode rolling_evaluation() yang tidak digunakan lagi.
- Memperbaiki masalah ketika tugas AutoML Regression mungkin kembali ke pemisahan yang valid untuk pelatihan untuk evaluasi model, ketika CV akan menjadi pilihan yang lebih tepat.
azureml-core
- Akhiran konfigurasi cloud baru ditambahkan, "aml_discovery_endpoint".
- Memperbarui paket penyimpanan Azure vendor dari versi 2 ke versi 12.
azureml-mlflow
- Akhiran konfigurasi cloud baru ditambahkan, "aml_discovery_endpoint".
azureml-responsibleai
- memperbarui paket azureml-responsibleai dan gambar yang dikumpulkan ke raiwidgets dan responsibleai 0.21.0
azureml-sdk
- Paket azureml-sdk sekarang memungkinkan Python 3.9.

01-08-2022

SDK Azure Machine Learning untuk Python v1.44.0

azureml-automl-dnn-nlp
- Akurasi tertimbang dan koefisien korelasi Matthews (MCC) tidak akan lagi menjadi metrik yang ditampilkan pada metrik yang dihitung untuk klasifikasi Multilabel NLP.
azureml-automl-dnn-vision
- Tingkatkan kesalahan pengguna ketika format anotasi yang tidak valid disediakan
azureml-cli-common
- Memperbarui deskripsi CLI v1
azureml-contrib-automl-dnn-forecasting
- Memperbaiki masalah "Gagal menghitung metrik TCN." yang disebabkan untuk TCNForecaster ketika rangkaian waktu yang berbeda dalam himpunan data validasi memiliki panjang yang berbeda.
- Menambahkan deteksi ID seri waktu otomatis untuk model perkiraan DNN seperti TCNForecaster.
- Memperbaiki bug dengan model TCN Prakiraan di mana data validasi dapat rusak dalam beberapa keadaan saat pengguna memberikan set validasi.
azureml-core
- Izinkan pengaturan parameter timeout_seconds saat mengunduh artefak dari Run
- Pesan peringatan ditambahkan - Azure Pembelajaran Mesin CLI v1 dihentikan pada 2025-09-. Pengguna disarankan untuk mengadopsi CLI v2.
- Perbaiki pengiriman ke non-AmlComputes yang menampilkan pengecualian.
- Menambahkan dukungan konteks docker untuk lingkungan
azureml-interpret
- Meningkatkan versi numpy untuk paket AutoML
azureml-pipeline-core
- Perbaiki regenerate_outputs=True tidak berlaku saat mengirimkan alur.
azureml-train-automl-runtime
- Meningkatkan versi numpy untuk paket AutoML
- Mengaktifkan pembuatan kode untuk visi dan nlp
- Kolom asli di mana butir dibuat ditambahkan sebagai bagian dari predictions.csv

2022-07-21

Mengumumkan akhir dukungan untuk Python 3.6 di paket Azure Pembelajaran Mesin SDK v1

Penghentian penggunaan fitur
- Menghentikan Python 3.6 sebagai runtime yang didukung untuk paket SDK v1
  - Pada 05 Desember 2022, Azure Pembelajaran Mesin akan menghentikan Python 3.6 sebagai runtime yang didukung, secara resmi mengakhiri dukungan Python 3.6 kami untuk paket SDK v1.
  - Dari tanggal penghentian 05 Desember 2022, Azure Pembelajaran Mesin tidak akan lagi menerapkan patch keamanan dan pembaruan lain untuk runtime Python 3.6 yang digunakan oleh paket Azure Pembelajaran Mesin SDK v1.
  - Paket Azure Pembelajaran Mesin SDK v1 yang ada dengan Python 3.6 masih terus berjalan. Namun, Azure Pembelajaran Mesin sangat menyarankan agar Anda memigrasikan skrip dan dependensi ke versi runtime Python yang didukung sehingga Anda terus menerima patch keamanan dan tetap memenuhi syarat untuk dukungan teknis.
  - Sebaiknya gunakan versi Python 3.8 sebagai runtime untuk paket Azure Pembelajaran Mesin SDK v1.
  - Selain itu, paket Azure Pembelajaran Mesin SDK v1 menggunakan Python 3.6 tidak lagi memenuhi syarat untuk dukungan teknis.
  - Jika Anda memiliki pertanyaan, hubungi kami melalui Dukungan AML.

27-06-2022

azureml-automl-dnn-nlp
- Menghapus kolom label duplikat dari prediksi multi-label
azureml-contrib-automl-pipeline-steps
- Banyak Model sekarang yang menyediakan kemampuan untuk menghasilkan keluaran prediksi dalam format csv juga. - Banyak prediksi Model sekarang menyertakan nama kolom dalam file output jika ada format file csv .
azureml-core
- Autentikasi ADAL sekarang tidak digunakan lagi dan semua kelas autentikasi sekarang menggunakan autentikasi MSAL. Instal azure-cli>=2.30.0 untuk menggunakan autentikasi berbasis MSAL saat menggunakan kelas AzureCliAuthentication.
- Menambahkan perbaikan untuk memaksa pendaftaran lingkungan saat Environment.build(workspace). Perbaikan memecahkan kebingungan lingkungan terbaru yang dibangun alih-alih yang ditanyakan ketika lingkungan dikloning atau diwarisi dari instans lain.
- Pesan peringatan SDK untuk menghidupkan ulang Instans Komputasi sebelum 31 Mei 2022, jika dibuat sebelum 19 September 2021
azureml-interpret
- Memperbarui azureml-interpret package to interpret-community 0.26.*
- Dalam paket azureml-interpret, tambahkan kemampuan untuk mendapatkan nama fitur mentah dan direkayasa dari penjelas penilaian. Selain itu, tambahkan contoh ke notebook penilaian untuk mendapatkan nama fitur dari penjelas penilaian dan tambahkan dokumentasi tentang nama fitur mentah dan rekayasa.
azureml-mlflow
- azureml-core sebagai dependensi azureml-mlflow telah dihapus. - Proyek MLflow dan penyebaran lokal memerlukan azureml-core dan perlu diinstal secara terpisah.
- Menambahkan dukungan untuk membuat titik akhir dan menyebarkannya melalui plugin klien MLflow.
azureml-responsibleai
- Memperbarui paket azureml-responsibleai dan gambar lingkungan ke rilis responsibleai dan raiwidgets 0.19.0 terbaru
azureml-train-automl-client
- Sekarang OutputDatasetConfig didukung sebagai input penyusun alur MM/HTS. Pemetaannya adalah: 1) OutputTabularDatasetConfig -> diperlakukan sebagai himpunan data tabular yang tidak dipartisi. 2) OutputFileDatasetConfig -> diperlakukan sebagai himpunan data yang diajukan.
azureml-train-automl-runtime
- Menambahkan validasi data yang memerlukan jumlah sampel kelas minoritas dalam himpunan data setidaknya sebanyak jumlah lipatan CV yang diminta.
- Konfigurasi parameter validasi silang otomatis kini tersedia untuk tugas prakiraan AutoML. Pengguna sekarang dapat menentukan "otomatis" untuk n_cross_validations dan cv_step_size atau membiarkannya kosong, dan AutoML menyediakan konfigurasi tersebut berdasarkan data Anda. Namun, saat ini fitur ini tidak didukung saat TCN diaktifkan.
- Parameter Prakiraan di Banyak Model dan Seri Waktu Hierarkis sekarang dapat diteruskan melalui objek daripada menggunakan parameter individual dalam kamus.
- Titik akhir model perkiraan yang diaktifkan dengan dukungan kuantil untuk digunakan di Power BI.
- Memperbarui batas atas dependensi AutoML scipy dari 1.5.2 ke 1.5.3

2022-04-25

SDK Pembelajaran Mesin Azure untuk Python v1.41.0

Peringatan perubahan yang mencolok

Perubahan penting ini berasal dari rilis azureml-inference-server-http bulan Juni. azureml-inference-server-http Dalam rilis Juni (v0.9.0), dukungan Python 3.6 dihilangkan. Karena azureml-defaults tergantung pada azureml-inference-server-http, perubahan ini disebarkan ke azureml-defaults. Jika Anda tidak menggunakan azureml-defaults untuk inferensi, jangan ragu untuk menggunakan azureml-core atau paket Azure Pembelajaran Mesin SDK lainnya secara langsung alih-alih menginstal azureml-defaults.

azureml-automl-dnn-nlp
- Mengaktifkan fitur teks jarak jauh secara default.
azureml-automl-dnn-vision
- Mengubah jenis Kelas ObjectAnnotation dari objek menjadi "objek data".
azureml-core
- Rilis ini memperbarui kelas Keyvault yang digunakan oleh pelanggan untuk memungkinkan mereka menyediakan jenis konten keyvault saat membuat rahasia menggunakan SDK. Rilis ini juga memperbarui SDK untuk menyertakan fungsi baru yang memungkinkan pelanggan mengambil nilai jenis konten dari rahasia tertentu.
azureml-interpret
- updated azureml-interpret package to interpret-community 0.25.0
azureml-pipeline-core
- Jangan mencetak detail eksekusi lagi jika pipeline_run.wait_for_completion dengan show_output=False
azureml-train-automl-runtime
- Memperbaiki bug yang akan menyebabkan pembuatan kode gagal saat paket zureml-contrib-automl-dnn-forecasting ada di lingkungan pelatihan.
- Memperbaiki kesalahan saat menggunakan himpunan data pengujian tanpa kolom label dengan Pengujian Model AutoML.

2022-03-28

SDK Azure Machine Learning untuk Python v1.40.0

azureml-automl-dnn-nlp
- Kami membuat fitur Teks Jarak Jauh bersifat opsional dan hanya jika pelanggan secara eksplisit memilihnya, menggunakan kwarg "enable_long_range_text"
- Menambahkan lapisan validasi data untuk skenario klasifikasi multi-kelas, yang menerapkan kelas dasar yang sama dengan multilabel untuk validasi umum, dan kelas turunan untuk pemeriksaan validasi data spesifik tugas yang lebih banyak.
azureml-automl-dnn-vision
- Memperbaiki KeyError saat menghitung bobot kelas.
azureml-contrib-reinforcementlearning
- Pesan peringatan SDK untuk penghentian layanan RL mendatang
azureml-core
- - Mengembalikan log untuk eksekusi yang melalui runtime baru kami saat memanggil salah satu fungsi dapatkan log pada objek yang dijalankan, termasuk run.get_details, run.get_all_logs, dll.
- Menambahkan metode eksperimental Datastore.register_onpremises_hdfs untuk memungkinkan pengguna membuat penyimpanan data yang menunjuk ke sumber daya HDFS lokal.
- Memperbarui dokumentasi CLI dalam perintah bantuan
azureml-interpret
- Untuk paket azureml-interpret, hapus pin shap dengan pembaruan kemasan. Hapus numba dan pin numpy setelah pembaruan CE env.
azureml-mlflow
- Bugfix untuk klien penyebaran MLflow run_local gagal saat objek konfigurasi tidak disediakan.
azureml-pipeline-steps
- Menghapus tautan rusak dari EstimatorStep alur yang tidak digunakan lagi
azureml-responsibleai
- memperbarui paket azureml-responsibleai ke raiwidgets dan rilis responsibleai 0.17.0
azureml-train-automl-runtime
- Pembuatan kode untuk ML otomatis sekarang mendukung model ForecastTCN (eksperimental).
- Model yang dibuat melalui pembuatan kode sekarang memiliki semua metrik yang dihitung secara default (kecuali kesalahan absolut rata-rata yang dinormalisasi, kesalahan absolut median yang dinormalisasi, RMSE yang dinormalisasi, dan RMSLE yang dinormalisasi dalam kasus model prakiraan). Daftar metrik yang akan dihitung dapat diubah dengan mengedit nilai kembali get_metrics_names(). Validasi silang sekarang digunakan secara default untuk model prakiraan yang dibuat melalui pembuatan kode.
azureml-training-tabular
- Daftar metrik yang akan dihitung dapat diubah dengan mengedit nilai kembali get_metrics_names(). Validasi silang sekarang digunakan secara default untuk model prakiraan yang dibuat melalui pembuatan kode.
- Mengonversi uji-y jenis desimal menjadi float untuk memungkinkan penghitungan metrik berjalan tanpa kesalahan.

2022-02-28

SDK Azure Machine Learning untuk Python v1.39.0

azureml-automl-core
- Memperbaiki formulir yang salah ditampilkan di PBI untuk integrasi dengan model regresi AutoML
- Menambahkan pemeriksaan kelas-min-label kedua tugas klasifikasi (multi-kelas dan multi-label). Ini memunculkan kesalahan untuk eksekusi pelanggan jika jumlah kelas unik dalam himpunan data pelatihan input kurang dari 2. Tidak ada artinya menjalankan klasifikasi pada kurang dari dua kelas.
azureml-automl-runtime
- Mengonversi uji-y jenis desimal menjadi float untuk memungkinkan penghitungan metrik berjalan tanpa kesalahan.
- Pelatihan AutoML sekarang mendukung numpy versi 1.8.
azureml-contrib-automl-dnn-forecasting
- Memperbaiki bug dalam model TCNForecaster di mana tidak semua data pelatihan akan digunakan saat pengaturan validasi silang disediakan.
- Metode prakiraan pengemas TCNForecaster yang merusak prediksi waktu inferensi. Juga memperbaiki masalah di mana metode prakiraan tidak akan menggunakan data konteks terbaru dalam skenario yang valid kereta.
azureml-interpret
- Untuk paket azureml-interpret, hapus pin shap dengan pembaruan kemasan. Hapus numba dan pin numpy setelah pembaruan CE env.
azureml-responsibleai
- paket azureml-responsibleai ke raiwidget dan rilis tanggung jawab 0.17.0
azureml-synapse
- Perbaiki masalah bahwa widget ajaib menghilang.
azureml-train-automl-runtime
- Memperbarui dependensi AutoML untuk mendukung Python 3.8. Perubahan ini memutus kompatibilitas dengan model yang dilatih dengan SDK 1.37 atau di bawahnya karena antarmuka Pandas yang lebih baru disimpan dalam model.
- Pelatihan AutoML sekarang mendukung numpy versi 1.19
- Memperbaiki logika indeks reset AutoML untuk model ensemble di automl_setup_model_explanations API
- Di AutoML, gunakan model pengganti lightgbm, bukan model pengganti linier untuk kasus yang jarang setelah peningkatan versi lightgbm terbaru
- Semua artefak perantara internal yang diproduksi oleh AutoML sekarang disimpan secara transparan pada jalur induk (alih-alih dikirim ke penyimpanan blob ruang kerja default). Pengguna harus dapat melihat artefak yang dihasilkan AutoML di bawah outputs/ direktori pada eksekusi induk.

2022-01-24

SDK Azure Machine Learning untuk Python v1.38.0

azureml-automl-core
- Dukungan Tabnet Regressor dan Tabnet Classifier di AutoML
- Menyimpan transformator data dalam output eksekusi induk, yang dapat digunakan kembali untuk menghasilkan himpunan data yang ditampilkan yang sama, yang digunakan selama eksekusi eksperimen
- Mendukung mendapatkan metrik utama untuk tugas Prakiraan di API get_primary_metrics.
- Mengganti nama parameter opsional kedua dalam skrip penilaian v2 sebagai GlobalParameters
azureml-automl-dnn-vision
- Menambahkan metrik penilaian di UI metrik
azureml-automl-runtime
- Perbaikan bug untuk kasus di mana nama algoritma untuk model NimbusML mungkin muncul sebagai string kosong, baik di ML Studio, atau di keluaran konsol.
azureml-core
- Parameter tambahan blobfuse_enabled di azureml.core.webservice.aks.AksWebservice.deploy_configuration. Ketika parameter ini benar, model dan file penilaian diunduh dengan blobfuse alih-alih API penyimpanan blob.
azureml-interpret
- Pembaruan azureml-interpret ke interpret-community 0.24.0
- Dalam penjelasan skor pembaruan azureml-interpret untuk mendukung versi terbaru dari lightgbm dengan TreeExplainer yang jarang
- Memperbarui azureml-interpret ke interpret-community 0.23.*
azureml-pipeline-core
- Tambahkan catatan di data alur, sarankan pengguna untuk menggunakan himpunan data output alur sebagai gantinya.
azureml-pipeline-steps
- Tambahkan environment_variables ke ParallelRunConfig, variabel lingkungan runtime dapat diteruskan oleh parameter ini dan akan ditetapkan pada proses di mana skrip pengguna dijalankan.
azureml-train-automl-client
- Dukungan Tabnet Regressor dan Tabnet Classifier di AutoML
azureml-train-automl-runtime
- Menyimpan transformator data dalam output eksekusi induk, yang dapat digunakan kembali untuk menghasilkan himpunan data yang ditampilkan yang sama, yang digunakan selama eksekusi eksperimen
azureml-train-core
- Aktifkan dukungan untuk penghentian dini untuk Pengoptimalan Bayesian di Hyperdrive
- Objek Bayesian dan GridParameterSampling sekarang dapat meneruskan properti

2021-12-13

SDK Azure Machine Learning untuk Python v1.37.0

Perubahan mencolok
- azureml-core
  - Mulai versi 1.37.0, Azure Pembelajaran Mesin SDK menggunakan MSAL sebagai pustaka autentikasi yang mendasar. MSAL menggunakan alur autentikasi Azure Active Directory (Azure AD) v2.0 untuk menyediakan lebih banyak fungsionalitas dan meningkatkan keamanan untuk cache token. Untuk informasi lebih lanjut, lihat Ringkasan Pustaka Autentikasi Microsoft (MSAL).
  - Perbarui dependensi AML SDK ke versi terbaru Pustaka Klien Azure Resource Management untuk Python (azure-mgmt-resource>=15.0.0,20.0.0<) & adopsi track2 SDK.
  - Mulai versi 1.37.0, ekstensi azure-ml-cli harus kompatibel dengan versi terbaru Azure CLI >=2.30.0.
  - Saat menggunakan Azure CLI dalam alur seperti Azure DevOps, pastikan semua tugas/tahapan menggunakan Azure CLI dengan versi di atas v2.30.0 untuk Azure CLI berbasis MSAL. Azure CLI 2.30.0 tidak kompatibel dengan versi sebelumnya dan menimbulkan kesalahan saat menggunakan versi yang tidak kompatibel. Untuk menggunakan kredensial Azure CLI dengan Azure Pembelajaran Mesin SDK, Azure CLI harus diinstal sebagai paket pip.
Perbaikan bug dan peningkatan
- azureml-core
  - Jenis instans yang dihapus dari alur kerja lampiran untuk komputasi Kubernetes. Jenis instans sekarang dapat langsung diatur di kluster Kubernetes. Untuk lebih jelasnya, silakan kunjungi aka.ms/amlarc/doc.
- azureml-interpret
  - memperbarui azureml-interpret ke interpret-community 0.22.*
- azureml-pipeline-steps
  - Memperbaiki bug di mana eksperimen "tempat penampung" dapat dibuat saat pengiriman Alur dengan AutoMLStep.
- azureml-responsibleai
  - perbarui azureml-responsibleai dan hitung lingkungan instans ke tanggung jawab dan raiwidget rilis 0.15.0
  - perbarui paket azureml-responsibleai ke responsibleai terbaru 0.14.0.
- azureml-tensorboard
  - Anda sekarang dapat menggunakan Tensorboard(runs, use_display_name=True) untuk memasang log TensorBoard ke folder yang dinamai run.display_name/run.id, bukan run.id.
- azureml-train-automl-client
  - Memperbaiki bug di mana eksperimen "tempat penampung" dapat dibuat saat pengiriman Alur dengan AutoMLStep.
  - Perbarui dokumen test_data dan test_size AutoMLConfig untuk mencerminkan status pratinjau.
- azureml-train-automl-runtime
  - Menambahkan fitur baru yang memungkinkan pengguna untuk melewati butir deret waktu dengan satu nilai unik.
  - Dalam skenario tertentu, model AutoML dapat memprediksi NaNs. Baris yang sesuai dengan prediksi NaN ini dihapus dari himpunan data pengujian dan prediksi sebelum menghitung metrik dalam eksekusi pengujian.

08-11-2021

SDK Azure Machine Learning untuk Python v1.36.0

Perbaikan bug dan peningkatan
- azureml-automl-dnn-vision
  - Memperbaiki kesalahan ketik ringan pada beberapa pesan kesalahan.
- azureml-contrib-reinforcementlearning
  - Mengirimkan eksekusi Penguatan Pembelajaran yang menggunakan simulator tidak lagi didukung.
- azureml-core
  - Menambahkan dukungan untuk blob premium yang dipartisi.
  - Menentukan cloud nonpublik untuk autentikasi Identitas Terkelola tidak lagi didukung.
  - Pengguna dapat memigrasikan layanan web AKS ke titik akhir dan penyebaran online, yang dikelola oleh CLI (v2).
  - Jenis instans untuk pekerjaan pelatihan pada target komputasi Kubernetes kini dapat ditetapkan melalui properti RunConfiguration: run_config.kubernetescompute.instance_type.
- azureml-defaults
  - Menghilangkan dependensi berlebih seperti gunicorn dan werkzeug
- azureml-interpret
  - Paket azureml-interpret diperbarui ke interpret-community versi 0.21.*
- azureml-pipeline-steps
  - Menghentikan penggunaan MpiStep dan mendukung penggunaan CommandStep untuk menjalankan pelatihan ML (termasuk pelatihan terdistribusi) di dalam alur.
- azureml-train-automl-rutime
  - Memperbarui dokumen format output prediksi uji model AutoML.
  - Menambahkan deskripsi docstring untuk model prakiraan Naive, SeasonalNaive, Average, dan SeasonalAverage.
  - Ringkasan fitur kini disimpan sebagai artefak dalam pelarian (periksa file bernama 'featurization_summary.json' di bawah folder output)
  - Mengaktifkan dukungan indikator kategoris untuk Tabnet Learner.
  - Menambahkan parameter downsample ke automl_setup_model_explanations untuk memungkinkan pengguna mendapatkan penjelasan tentang semua data tanpa downsampling dengan menetapkan parameter ini menjadi salah.

11-10-2021

SDK Azure Machine Learning untuk Python v1.35.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Pengaktifan perhitungan metrik biner
- azureml-contrib-fairness
  - Peningkatan pesan kesalahan pada pengunduhan dasbor yang gagal
- azureml-core
  - Bug dalam menentukan cloud nonpublik untuk autentikasi Identitas Terkelola telah diselesaikan.
  - Bendera eksperimental Dataset.File.upload_directory () dan Dataset.Tabular.register_pandas_dataframe () sekarang dihapus.
  - Bendera eksperimental sekarang dihapus dalam metode partition_by() kelas TabularDataset.
- azureml-pipeline-steps
  - Bendera eksperimental sekarang dihapus untuk parameter partition_keys kelas ParallelRunConfig.
- azureml-interpret
  - Pembaruan paket azureml-interpret untuk intepret-community 0.20.*
- azureml-mlflow
  - Memungkinkan untuk mencatat artefak dan citra dengan MLflow menggunakan subdirektori
- azureml-responsibleai
  - Peningkatan pesan kesalahan pada pengunduhan dasbor yang gagal
- azureml-train-automl-client
  - Penambahan dukungan untuk tugas visi komputer seperti Klasifikasi Gambar, Deteksi Objek dan Segmentasi Instans. Dokumentasi terperinci dapat ditemukan di: Menyiapkan AutoML untuk melatih model visi komputer dengan Python (v1).
  - Pengaktifan perhitungan metrik biner
- azureml-train-automl-runtime
  - Menambahkan dukungan TCNForecaster ke uji coba model.
  - Pembaruan format output uji coba model predictions.csv. Kolom output sekarang menyertakan nilai target asli dan fitur, yang diteruskan ke eksekusi pengujian. Ini dapat dimatikan dengan mengatur test_include_predictions_only=True di AutoMLConfig atau dengan mengatur include_predictions_only=True di ModelProxy.test(). Jika pengguna telah meminta untuk hanya menyertakan prediksi, maka format output terlihat seperti (prakiraan sama dengan regresi): Klasifikasi => [nilai yang diprediksi] [probabilitas] Regresi => [nilai yang diprediksi] lainnya (default): Klasifikasi => [label data pengujian asli] [nilai yang diprediksi] [probabilitas] [fitur] Regresi => [label data pengujian asli] [nilai yang diprediksi] [fitur] Nama [predicted values] kolom = [label column name] + "_predicted". Nama kolom [probabilities] = [class name] + "_predicted_proba". Jika tidak ada kolom target yang diteruskan sebagai input ke uji coba, [original test data labels] tidak akan berada dalam output.

2021-09-07

Azure Machine Learning SDK untuk Python v1.34.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Menambahkan dukungan untuk memasang ulang alur prakiraan yang dilatih sebelumnya.
  - Menambahkan kemampuan untuk mendapatkan prediksi pada data pelatihan (prediksi dalam sampel) untuk prakiraan.
- azureml-automl-runtime
  - Tambah dukungan untuk menampilkan probabilitas yang diprediksi dari titik akhir yang disebarkan dari model pengklasifikasi AutoML.
  - Menambahkan opsi prakiraan bagi pengguna untuk menentukan bahwa semua prediksi harus bilangan bulat.
  - Menghapus nama kolom target agar tidak menjadi bagian dari nama fitur penjelasan model untuk eksperimen lokal dengan training_data_label_column_name
  - sebagai input dataset.
  - Menambahkan dukungan untuk memasang ulang alur prakiraan yang dilatih sebelumnya.
  - Menambahkan kemampuan untuk mendapatkan prediksi pada data pelatihan (prediksi dalam sampel) untuk prakiraan.
- azureml-core
  - Menambahkan dukungan untuk mengatur jenis kolom aliran, memasang dan mengunduh kolom aliran dalam himpunan data tabular.
  - Bidang opsional baru ditambahkan ke Kubernetes.attach_configuration(identity_type=None, identity_ids=None) yang memungkinkan pemasangan KubernetesCompute dengan identitas SystemAssigned atau UserAssigned. Bidang identitas baru disertakan saat memanggil print(compute_target) atau compute_target.serialize(): identity_type, identity_id, principal_id, dan tenant_id/client_id.
- azureml-dataprep
  - Menambahkan dukungan untuk mengatur jenis kolom aliran untuk himpunan data tabular. menambahkan dukungan untuk memasang dan mengunduh kolom aliran dalam himpunan data tabular.
- azureml-defaults
  - Ketergantungan azureml-inference-server-http==0.3.1 telah ditambahkan ke azureml-defaults.
- azureml-mlflow
  - Izinkan paginasi dari list_experiments API dengan menambahkan max_results dan page_token params opsional. Untuk dokumentasi, lihat dokumen resmi MLflow.
- azureml-sdk
  - Mengganti dependensi pada paket tidak digunakan lagi (azureml-train) di dalam azureml-sdk.
  - Tambahkan azureml-responsibleai ke azureml-sdk ekstra
- azureml-train-automl-client
  - Buka parameter test_data dan test_size di AutoMLConfig. Parameter ini dapat digunakan untuk memulai uji coba secara otomatis setelah fase pelatihan model selesai. Eksekusi pengujian menghitung prediksi menggunakan model terbaik dan menghasilkan metrik yang diberikan prediksi ini.

24-08-2021

Antarmuka Pengguna Eksperimen Azure Machine Learning

Jalankan Hapus
- Jalankan Hapus adalah fungsi baru yang memungkinkan pengguna untuk menghapus satu atau beberapa proses dari ruang kerja mereka.
- Fungsionalitas ini dapat membantu pengguna mengurangi biaya penyimpanan dan mengelola kapasitas penyimpanan dengan secara teratur menghapus eksekusi dan eksperimen dari UI secara langsung.
Batch Cancel Run
- Batch Cancel Run adalah fungsionalitas baru yang memungkinkan pengguna memilih satu atau beberapa eksekusi untuk dibatalkan dari daftar eksekusi mereka.
- Fungsionalitas ini dapat membantu pengguna membatalkan beberapa eksekusi antrean dan mengosongkan ruang di kluster mereka.

18-08-2021

Antarmuka Pengguna Eksperimen Azure Machine Learning

Nama Tampilan Eksekusi
- Nama Tampilan Eksekusi adalah nama tampilan baru yang dapat diedit, dan opsional yang dapat ditetapkan untuk dijalankan.
- Nama ini dapat membantu melacak, mengatur dan menemukan eksekusi dengan lebih efektif.
- Nama Tampilan Eksekusi di-default ke format adjective_noun_guid (Contoh: awesome_watch_2i3uns).
- Nama default ini dapat diedit ke nama yang lebih dapat disesuaikan. Ini dapat diedit dari halaman detail Eksekusi di antarmuka pengguna studio Azure Machine Learning.

02-08-2021

Azure Machine Learning SDK untuk Python v1.33.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Peningkatan penanganan kesalahan di sekitar pengambilan model XGBoost.
  - Penambahan kemungkinan untuk mengonversi prediksi dari float ke bilangan bulat untuk tugas prakiraan dan regresi.
  - Nilai default yang diperbarui untuk enable_early_stopping di AutoMLConfig ke True.
- azureml-automl-runtime
  - Penambahan kemungkinan untuk mengonversi prediksi dari float ke bilangan bulat untuk tugas prakiraan dan regresi.
  - Nilai default yang diperbarui untuk enable_early_stopping di AutoMLConfig ke True.
- azureml-contrib-automl-pipeline-steps
  - Seri waktu hierarkis (HTS) diaktifkan untuk prakiraan tugas melalui alur.
  - Menambahkan dukungan himpunan data Tabular untuk inferensi
  - Jalur kustom dapat ditentukan untuk data inferensi
- azureml-contrib-reinforcementlearning
  - Beberapa properti di azureml.core.environment.DockerSection sudah tidak digunakan lagi, seperti properti shm_size yang digunakan pekerja Ray dalam pekerjaan pembelajaran penguatan. Properti ini sekarang dapat ditentukan di azureml.contrib.train.rl.WorkerConfiguration.
- azureml-core
  - Hyperlink tetap dalam dokumentasi ScriptRunConfig.distributed_job_config
  - Kluster komputasi Azure Machine Learning sekarang dapat dibuat di lokasi yang berbeda dari lokasi ruang kerja. Hal ini berguna untuk memaksimalkan alokasi kapasitas idle dan mengelola pemanfaatan kuota di berbagai lokasi tanpa harus membuat lebih banyak ruang kerja hanya untuk menggunakan kuota dan membuat kluster komputasi di lokasi tertentu. Untuk informasi selengkapnya, lihat Membuat kluster komputasi Azure Machine Learning.
  - Menambahkan display_name sebagai bidang nama objek Run yang dapat berubah.
  - Himpunan data from_files sekarang mendukung pelompatan ekstensi data untuk data input besar
- azureml-dataprep
  - Memperbaiki bug di mana to_dask_dataframe akan gagal karena kondisi bersaing.
  - Himpunan data from_files sekarang mendukung pelompatan ekstensi data untuk data input besar
- azureml-defaults
  - Kami menghapus dependensi azureml-model-management-sdk==1.0.1b6.post1 dari azureml-defaults.
- azureml-interpret
  - memperbarui azureml-interpret ke interpret-community 0.19.*
- azureml-pipeline-core
  - Seri waktu hierarkis (HTS) diaktifkan untuk prakiraan tugas melalui alur.
- azureml-train-automl-client
  - Beralih menggunakan penyimpanan blob untuk penembolokan di ML Otomatis.
  - Seri waktu hierarkis (HTS) diaktifkan untuk prakiraan tugas melalui alur.
  - Peningkatan penanganan kesalahan di sekitar pengambilan model XGBoost.
  - Nilai default yang diperbarui untuk enable_early_stopping di AutoMLConfig ke True.
- azureml-train-automl-runtime
  - Beralih menggunakan penyimpanan blob untuk penembolokan di ML Otomatis.
  - Seri waktu hierarkis (HTS) diaktifkan untuk prakiraan tugas melalui alur.
  - Nilai default yang diperbarui untuk enable_early_stopping di AutoMLConfig ke True.

06-07-2021

Azure Machine Learning SDK untuk Python v1.32.0

Perbaikan bug dan peningkatan
- azureml-core
  - Mengekspos diagnosis kesehatan ruang kerja di SDK/CLI
- azureml-defaults
  - Menambahkan dependensi opencensus-ext-azure==1.0.8 ke azureml-defaults
- azureml-pipeline-core
  - Memperbarui AutoMLStep untuk menggunakan citra bawaan ketika lingkungan untuk pengajuan pekerjaan cocok dengan lingkungan default
- azureml-responsibleai
  - Analisis kesalahan baru ditambahkan ke laporan analisis pengunggahan, unduh, dan daftar kesalahan
  - Pastikan paket raiwidgets dan responsibleai memiliki versi yang sinkron
- azureml-train-automl-runtime
  - Atur waktu yang dialokasikan untuk mencari secara dinamis berbagai strategi fiturisasi hingga maksimal seperempat dari keseluruhan waktu habis percobaan

21-06-2021

Azure Machine Learning SDK untuk Python v1.31.0

Perbaikan bug dan peningkatan
- azureml-core
  - Peningkatan dokumentasi untuk properti platform di kelas Lingkungan
  - Mengubah default waktu penurunan skala simpul komputasi Azure Machine Learning dari 120 detik menjadi 1800 detik
  - Memperbarui default tautan pemecahan masalah yang ditampilkan di portal untuk mengatasi masalah kegagalan eksekusi ke: https://aka.ms/azureml-run-troubleshooting
- azureml-automl-runtime
  - Pembersihan Data: Sampel dengan nilai target di [None, "", "nan", np.nan] dihilangkan sebelum fiturisasi dan/atau pelatihan model
- azureml-interpret
  - Mencegah kesalahan antrean tugas flush pada eksekusi Azure Pembelajaran Mesin jarak jauh yang menggunakan ExplanationClient dengan meningkatkan batas waktu
- azureml-pipeline-core
  - Menambahkan parameter jar ke langkah synapse
- azureml-train-automl-runtime
  - Memperbaiki pagar pembatas kardinalitas tinggi agar lebih rata dengan dokumen

07-06-2021

Azure Machine Learning SDK untuk Python v1.30.0

Perbaikan bug dan peningkatan
- azureml-core
  - Sematkan dependensi ruamel-yaml ke < 0.17.5 sebagai perubahan dengan potensi gangguan dirilis pada 0.17.5.
  - Properti aml_k8s_config diganti dengan parameter namespace, default_instance_type, dan instance_types untuk lampiran KubernetesCompute.
  - Kunci sinkronisasi ruang kerja diubah ke operasi yang berjalan lama.
- azureml-automl-runtime
  - Memperbaiki masalah di mana eksekusi dengan data besar mungkin gagal dengan Elements of y_test cannot be NaN.
- azureml-mlflow
  - Plugin penyebaran MLFlow bugfix untuk model tanpa tanda tangan.
- azureml-pipeline-steps
  - ParallelRunConfig: memperbarui dokumen untuk process_count_per_node.
- azureml-train-automl-runtime
  - Dukungan untuk kuantil yang ditentukan khusus selama inferensi MM
  - Dukungan untuk forecast_quantiles selama inferensi batch.
- azureml-contrib-automl-pipeline-steps
  - Dukungan untuk kuantil yang ditentukan khusus selama inferensi MM
  - Dukungan untuk forecast_quantiles selama inferensi batch.

2021-05-25

Mengumumkan CLI (v2) untuk Azure Pembelajaran Mesin

Ekstensi ml ke Azure CLI merupakan antarmuka generasi berikutnya untuk Azure Machine Learning. Ini memungkinkan Anda untuk melatih dan menyebarkan model dari baris perintah, dengan fitur yang mempercepat peningkatan dan perluasan skala ilmu data dan sambil melacak siklus hidup model. Instal dan siapkan CLI (v2).

Azure Machine Learning SDK untuk Python v1.29.0

Perbaikan bug dan peningkatan
- Perubahan mencolok
  - Menghentikan dukungan untuk Python 3.5.
- azureml-automl-runtime
  - Memperbaiki bug di mana STLFeaturizer gagal jika panjang rangkaian waktu lebih pendek dari musim. Kesalahan ini dimanifestasikan sebagai IndexError. Kasus ini ditangani sekarang tanpa kesalahan, meskipun komponen musiman STL hanya terdiri dari nol dalam kasus ini.
- azureml-contrib-automl-dnn-vision
  - Menambahkan metode untuk inferensi batch dengan jalur file.
- azureml-contrib-gbdt
  - Paket azureml-contrib-gbdt sudah tidak digunakan lagi dan mungkin tidak menerima pembaruan di masa mendatang dan akan dihapus sepenuhnya dari distribusi.
- azureml-core
  - Penjelasan yang dikoreksi untuk parameter create_if_not_exists dalam Datastore.register_azure_blob_container.
  - Menambahkan kode sampel ke kelas DatasetConsumptionConfig.
  - Menambahkan dukungan untuk langkah sebagai sumbu alternatif untuk nilai metrik skalar dalam run.log()
- azureml-dataprep
  - Batasi ukuran partisi yang diterima hingga _with_partition_size() 2 GB
- azureml-interpret
  - memperbarui azureml-interpret ke versi paket interpret-core terbaru
  - Menghentikan dukungan untuk SHAP DenseData, yang sudah tidak digunakan lagi di SHAP 0.36.0.
  - Mengaktifkan ExplanationClient untuk mengunggah ke datastore yang ditentukan pengguna.
- azureml-mlflow
  - Memindahkan azureml-mlflow ke mlflow-skinny untuk mengurangi jejak dependensi sambil mempertahankan dukungan plugin penuh
- azureml-pipeline-core
  - Sampel kode PipelineParameter diperbarui dalam dokumen referensi agar menggunakan parameter yang benar.

2021-05-10

Azure Machine Learning SDK untuk Python v1.28.0

Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - Meningkatkan skrip Penilaian AutoML untuk membuatnya konsisten dengan perancang
  - Patch bug di mana prakiraan dengan model Prophet akan menampilkan kesalahan "kolom hilang" jika dilatih pada versi SDK sebelumnya.
  - Menambahkan model ARIMAX ke daftar model yang didukung prakiraan publik dari AutoML SDK. Di sini, ARIMAX adalah regresi dengan kesalahan ARIMA dan kasus khusus dari model fungsi transfer yang dikembangkan oleh Box dan Jenkins. Untuk diskusi tentang perbedaan kedua pendekatan ini, lihat Kebingungan terkait model ARIMAX. Tidak seperti model multivariat lainnya yang menggunakan fitur autogenerasi dan tergantung waktu (jam dalam sehari, hari dalam setahun, dan sebagainya) di AutoML, model ini hanya menggunakan fitur yang disediakan oleh pengguna, dan membuat interpretasi koefisien menjadi mudah.
- azureml-contrib-dataset
  - Deskripsi dokumentasi yang diperbarui dengan indikasi bahwa libfuse harus dipasang saat menggunakan pemasangan.
- azureml-core
  - Citra yang dikurasi CPU default sekarang adalah mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04. Citra GPU default sekarang adalah mcr.microsoft.com/azureml/openmpi3.1.2-cuda10.2-cudnn8-ubuntu18.04
  - Run.fail() sekarang tidak digunakan lagi, gunakan Run.tag() untuk menandai eksekusi sebagai gagal atau gunakan Run.cancel() untuk menandai eksekusi sebagai dibatalkan.
  - Memperbarui dokumentasi dengan catatan bahwa libfuse harus dipasang saat memasang himpunan data file.
  - Menambahkan dukungan register_dask_dataframe() eksperimental ke himpunan data tabular.
  - Mendukung DatabricksStep dengan Azure Blob/ADL-S sebagai input/output dan mengekspos parameter permit_cluster_restart untuk memungkinkan pelanggan memutuskan apakah AML dapat memulai ulang kluster ketika konfigurasi akses i/o perlu ditambahkan ke dalam kluster
- azureml-dataset-runtime
  - azureml-dataset-runtime sekarang mendukung versi pyarrow< 4.0.0
- azureml-mlflow
  - Menambahkan dukungan untuk menyebarkan ke Azure Pembelajaran Mesin melalui plugin MLFlow kami.
- azureml-pipeline-steps
  - Mendukung DatabricksStep dengan Azure Blob/ADL-S sebagai input/output dan mengekspos parameter permit_cluster_restart untuk memungkinkan pelanggan memutuskan apakah AML dapat memulai ulang kluster ketika konfigurasi akses i/o perlu ditambahkan ke dalam kluster
- azureml-synapse
  - Mengaktifkan audiens dalam autentikasi msi
- azureml-train-automl-client
  - Menambahkan link yang diubah untuk dokumen target komputasi

2021-04-19

Azure Machine Learning SDK untuk Python v1.27.0

Perbaikan bug dan peningkatan
- azureml-core
  - Menambahkan kemampuan untuk menimpa nilai batas waktu default untuk pengunggahan artefak melalui variabel lingkungan "AZUREML_ARTIFACTS_DEFAULT_TIMEOUT".
  - Memperbaiki bug di mana pengaturan docker di objek Lingkungan pada ScriptRunConfig tidak dihormati.
  - Mengizinkan pemartisian himpunan data saat menyalinnya ke tujuan.
  - Menambahkan mode kustom ke OutputDatasetConfig untuk memungkinkan penerusan Himpunan data yang dibuat dalam alur melalui fungsi link. Peningkatan dukungan ini dibuat untuk mengaktifkan Pemartisian Tabular untuk PRS.
  - Menambahkan jenis komputasi KubernetesCompute baru ke azureml-core.
- azureml-pipeline-core
  - Menambahkan mode kustom ke OutputDatasetConfig dan memungkinkan pengguna untuk melewati Himpunan data yang dibuat dalam alur melalui fungsi link. Tempat penampung dukungan tujuan jalur file. Ini mendukung peningkatan yang dibuat untuk mengaktifkan Pemartisian Tabular untuk PRS.
  - Penambahan jenis komputasi KubernetesCompute baru ke azureml-core.
- azureml-pipeline-steps
  - Penambahan jenis komputasi KubernetesCompute baru ke azureml-core.
- azureml-synapse
  - Memperbarui url antarmuka pengguna spark di widget azureml synapse
- azureml-train-automl-client
  - Featurizer STL untuk tugas prakiraan sekarang menggunakan deteksi musiman yang lebih kuat berdasarkan frekuensi rangkaian waktu.
- azureml-train-core
  - Memperbaiki bug di mana pengaturan docker di objek Environment tidak diterapkan.
  - Penambahan jenis komputasi KubernetesCompute baru ke azureml-core.

2021-04-05

Azure Machine Learning SDK untuk Python v1.26.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Memperbaiki masalah di mana model Naive akan direkomendasikan dalam eksekusi AutoMLStep dan gagal dengan lag atau fitur jendela gulir. Model ini tidak akan disarankan saat lag target atau ukuran jendela bergulir target ditetapkan.
  - Mengubah output konsol saat mengirimkan eksekusi AutoML untuk menampilkan link portal ke eksekusi.
- azureml-core
  - Menambahkan mode HDFS dalam dokumentasi.
  - Menambahkan dukungan untuk memahami partisi Himpunan Data File berdasarkan struktur glob.
  - Menambahkan dukungan untuk memperbarui registri kontainer yang terkait dengan Azure Pembelajaran Mesin Workspace.
  - Atribut Environment yang tidak digunakan lagi di bawah DockerSection - "enabled", "shared_volume" dan "arguments" sekarang merupakan bagian dari DockerConfiguration di RunConfiguration.
  - Dokumentasi klon Alur CLI yang diperbarui
  - URI portal yang diperbarui untuk menyertakan penyewa untuk autentikasi
  - Nama eksperimen dihapus dari URI eksekusi untuk menghindari pengalihan
  - URO eksperimen yang diperbarui agar menggunakan ID eksperimen.
  - Perbaikan bug untuk melampirkan komputasi jarak jauh dengan Azure Pembelajaran Mesin CLI.
  - URI portal yang diperbarui untuk menyertakan penyewa untuk autentikasi.
  - Memperbarui URI eksperimen untuk menggunakan ID eksperimen.
- azureml-interpret
  - azureml-interpret diperbarui agar menggunakan interpret-community 0.17.0
- azureml-opendatasets
  - Input validasi jenis tanggal mulai dan tanggal selesai serta indikasi kesalahan jika bukan jenis tanggal waktu.
- azureml-parallel-run
  - [Fitur eksperimental] Tambahkan parameter partition_keys ke ParallelRunConfig, jika ditentukan, himpunan data input akan dipartisi ke dalam batch mini oleh kunci yang ditentukan olehnya. Ini mengharuskan semua himpunan data input berupa himpunan data yang dipartisi.
- azureml-pipeline-steps
  - Perbaikan bug - mendukung path_on_compute saat meneruskan konfigurasi himpunan data sebagai unduhan.
  - Menghentikan penggunaan RScriptStep demi menggunakan CommandStep untuk mengeksekusi skrip R dalam alur.
  - Menghentikan penggunaan EstimatorStep demi mendukung penggunaan CommandStep untuk mengeksekusi pelatihan ML (termasuk pelatihan terdistribusi) dalam alur.
- azureml-sdk
  - Perbarui python_requires ke < 3.9 untuk azureml-sdk
- azureml-train-automl-client
  - Mengubah output konsol saat mengirimkan eksekusi AutoML untuk menampilkan link portal ke eksekusi.
- azureml-train-core
  - Menghentikan penggunaan atribut DockerSection's 'enabled', 'shared_volume', dan 'arguments' demi menggunakan DockerConfiguration dengan ScriptRunConfig.
  - Menggunakan Azure Open Datasets untuk himpunan data MNIST
  - Pesan kesalahan Hyperdrive telah diperbarui.

2021-03-22

Azure Machine Learning SDK untuk Python v1.25.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Mengubah output konsol saat mengirimkan eksekusi AutoML untuk menampilkan link portal ke eksekusi.
- azureml-core
  - Mulai mendukung pembaruan registri kontainer untuk ruang kerja di SDK dan CLI
  - Menghentikan penggunaan atribut DockerSection's 'enabled', 'shared_volume', dan 'arguments' demi menggunakan DockerConfiguration dengan ScriptRunConfig.
  - Dokumentasi klon Alur CLI yang diperbarui
  - URI portal yang diperbarui untuk menyertakan penyewa untuk autentikasi
  - Nama eksperimen dihapus dari URI eksekusi untuk menghindari pengalihan
  - URO eksperimen yang diperbarui agar menggunakan ID eksperimen.
  - Perbaikan bug untuk melampirkan komputasi jarak jauh menggunakan az CLI
  - URI portal yang diperbarui untuk menyertakan penyewa untuk autentikasi.
  - Menambahkan dukungan untuk memahami partisi Himpunan Data File berdasarkan struktur glob.
- azureml-interpret
  - azureml-interpret diperbarui agar menggunakan interpret-community 0.17.0
- azureml-opendatasets
  - Input validasi jenis tanggal mulai dan tanggal selesai serta indikasi kesalahan jika bukan jenis tanggal waktu.
- azureml-pipeline-core
  - Perbaikan bug - mendukung path_on_compute saat meneruskan konfigurasi himpunan data sebagai unduhan.
- azureml-pipeline-steps
  - Perbaikan bug - mendukung path_on_compute saat meneruskan konfigurasi himpunan data sebagai unduhan.
  - Menghentikan penggunaan RScriptStep demi menggunakan CommandStep untuk mengeksekusi skrip R dalam alur.
  - Menghentikan penggunaan EstimatorStep demi mendukung penggunaan CommandStep untuk mengeksekusi pelatihan ML (termasuk pelatihan terdistribusi) dalam alur.
- azureml-train-automl-runtime
  - Mengubah output konsol saat mengirimkan eksekusi AutoML untuk menampilkan link portal ke eksekusi.
- azureml-train-core
  - Menghentikan penggunaan atribut DockerSection's 'enabled', 'shared_volume', dan 'arguments' demi menggunakan DockerConfiguration dengan ScriptRunConfig.
  - Menggunakan Azure Open Datasets untuk himpunan data MNIST
  - Pesan kesalahan Hyperdrive telah diperbarui.

2021-03-31

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Maret)

Fitur baru
- Merender CSV/TSV. Pengguna dapat merender dan file TSV/CSV dalam format kisi untuk analisis data yang lebih mudah.
- Autentikasi SSO untuk Instans Komputasi. Pengguna sekarang dapat dengan mudah mengautentikasi instans komputasi baru langsung di UI Notebook, sehingga lebih mudah untuk mengautentikasi dan menggunakan Azure SDK langsung di Azure Pembelajaran Mesin.
- Metrik Instans Komputasi. Pengguna dapat melihat metrik komputasi seperti penggunaan CPU dan memori melalui terminal.
- Detail File. Pengguna sekarang dapat melihat detail file termasuk waktu terakhir yang dimodifikasi, dan ukuran file dengan mengklik tiga titik di samping file.
Perbaikan bug dan peningkatan
- Waktu pemuatan halaman yang ditingkatkan.
- Meningkatkan performa.
- Meningkatkan kecepatan dan keandalan kernel.
- Dapatkan real estat vertikal dengan memindahkan panel file Notebook secara permanen.
- Link sekarang dapat diklik di Terminal
- Meningkatkan performa Intellisense

2021-03-08

Azure Machine Learning SDK untuk Python v1.24.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Menghapus impor yang kompatibel dengan versi sebelumnya dari azureml.automl.core.shared. Kesalahan modul tidak ditemukan di namespace layanan azureml.automl.core.shared dapat diatasi dengan mengimpor dari azureml.automl.runtime.shared.
- azureml-contrib-automl-dnn-vision
  - Mengekspos model yolo deteksi objek.
- azureml-contrib-dataset
  - Fungsionalitas yang ditambahkan untuk memfilter Himpunan Data Tabular berdasarkan nilai kolom dan Himpunan Data File berdasarkan metadata.
- azureml-contrib-fairness
  - Menyertakan skema JSON dalam roda untuk azureml-contrib-fairness
- azureml-contrib-mir
  - Dengan mengatur show_output ke True saat menyebarkan model, konfigurasi inferensi dan konfigurasi penyebaran diputar ulang sebelum mengirim permintaan ke server.
- azureml-core
  - Fungsionalitas yang ditambahkan untuk memfilter Himpunan Data Tabular berdasarkan nilai kolom dan Himpunan Data File berdasarkan metadata.
  - Sebelumnya, mungkin bagi pengguna untuk membuat konfigurasi provisi untuk ComputeTarget yang tidak memenuhi persyaratan kekuatan kata sandi untuk admin_user_password bidang (yaitu, bahwa mereka harus berisi setidaknya 3 dari yang berikut: Satu huruf kecil, satu huruf besar, satu digit, dan satu karakter khusus dari set berikut: \`~!@#$%^&*()=+_[]{}|;:./'",<>?). Jika pengguna membuat konfigurasi dengan kata sandi yang lemah dan mengeksekusi pekerjaan menggunakan konfigurasi tersebut, pekerjaan akan gagal pada runtime. Sekarang, panggilan untuk AmlCompute.provisioning_configuration melempar ComputeTargetException dengan pesan kesalahan yang menyertainya menjelaskan persyaratan kekuatan kata sandi.
  - Selain itu, dimungkinkan juga dalam beberapa kasus untuk menentukan konfigurasi dengan jumlah simpul maksimum negatif. Ini tidak mungkin lagi untuk melakukan hal ini. Sekarang, AmlCompute.provisioning_configuration melemparkan ComputeTargetException jika max_nodes argumen adalah bilangan bulat negatif.
  - Dengan pengaturan show_output ke True saat menyebarkan model, konfigurasi inferensi dan konfigurasi penyebaran ditampilkan.
  - Dengan pengaturan show_output ke True saat menunggu penyelesaian penyebaran model, kemajuan operasi penyebaran ditampilkan.
  - Izinkan direktori konfigurasi autentikasi Azure Pembelajaran Mesin yang ditentukan pelanggan melalui variabel lingkungan: AZUREML_AUTH_CONFIG_DIR
  - Sebelumnya, mungkin untuk membuat konfigurasi provisi dengan jumlah simpul minimum kurang dari jumlah simpul maksimum. Pekerjaan akan berjalan tetapi gagal pada runtime. Bug ini sekarang telah diperbaiki. Jika Sekarang Anda mencoba membuat konfigurasi provisi dengan min_nodes < max_nodes SDK akan menaikkan ComputeTargetException.
- azureml-interpret
  - memperbaiki dasbor penjelasan yang tidak menunjukkan pentingnya fitur agregat untuk penjelasan rekayasa jarang
  - mengoptimalkan penggunaan memori ExplanationClient dalam paket azureml-interpret
- azureml-train-automl-client
  - Memperbaiki show_output=False untuk mengembalikan kontrol kepada pengguna saat dieksekusi menggunakan spark.

2021-02-28

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Februari)

Fitur baru
- Terminal Native (GA). Pengguna sekarang memiliki akses ke terminal terintegrasi dan operasi Git melalui terminal terintegrasi.
- Cuplikan Notebook (pratinjau). Kutipan kode azure Pembelajaran Mesin umum sekarang tersedia di ujung jari Anda. Navigasi ke panel cuplikan kode, yang dapat diakses melalui toolbar, atau aktifkan menu cuplikan dalam kode menggunakan Ctrl + Spasi.
- Pintasan Papan Tombol. Paritas penuh dengan pintasan papan tombol tersedia di Jupyter.
- Menunjukkan parameter Sel. Memperlihatkan kepada pengguna sel mana dalam notebook yang merupakan sel parameter dan bisa mengeksekusi notebook berparameter melalui Papermill pada Instans Komputasi.
- Manajer sesi Terminal dan Kernel: Pengguna dapat mengelola semua kernel dan sesi terminal yang berjalan pada komputasi mereka.
- Tombol Berbagi. Pengguna sekarang dapat berbagi file apa pun di penjelajah file Notebook dengan mengklik kanan file dan menggunakan tombol bagikan.
Perbaikan bug dan peningkatan
- Meningkatkan waktu pemuatan halaman
- Meningkatkan performa
- Meningkatkan kecepatan dan keandalan kernel
- Menambahkan roda berputar guna menunjukkan progres untuk semua operasi Instans Komputasi yang sedang berlangsung.
- Klik kanan di File Explorer. Mengklik kanan file apa pun sekarang membuka operasi file.

2021-02-16

Azure Machine Learning SDK untuk Python v1.23.0

Perbaikan bug dan peningkatan
- azureml-core
  - [Fitur eksperimental] Tambahkan dukungan untuk menautkan ruang kerja sinaps ke AML sebagai layanan yang ditautkan
  - [Fitur eksperimental] Menambahkan dukungan untuk melampirkan kumpulan spark synapse ke AML sebagai komputasi
  - [Fitur eksperimental] Menambahkan dukungan untuk akses data berbasis identitas. Pengguna dapat mendaftarkan datastore atau himpunan data tanpa memberikan info masuk. Dalam kasus seperti itu, token Azure ACTIVE Directory pengguna atau identitas terkelola target komputasi digunakan untuk autentikasi. Untuk mempelajari lebih lanjut, lihat Menghubungkan ke penyimpanan dengan menggunakan akses data berbasis identitas.
- azureml-pipeline-steps
  - [Fitur eksperimental] Menambahkankan dukungan untuk SynapseSparkStep
- azureml-synapse
  - [Fitur eksperimental] Menambahkan dukungan spark magic untuk mengeksekusi sesi interaktif di kumpulan spark synapse.
Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - Dalam pembaruan ini, kami menambahkan penghalusan eksponensial holt winters ke kotak alat prakiraan AutoML SDK. Mengingat rangkaian waktu, model terbaik dipilih oleh AICc (Kriteria Informasi Akaike yang Dikoreksi) dan dikembalikan.
  - AutoML sekarang menghasilkan dua file log alih-alih satu. Pernyataan log masuk ke satu atau yang lain tergantung pada proses mana pernyataan log dihasilkan.
  - Menghapus prediksi dalam sampel yang tidak perlu selama pelatihan model dengan validasi silang. Ini dapat mengurangi waktu pelatihan model dalam beberapa kasus, terutama untuk model prakiraan rangkaian waktu.
- azureml-contrib-fairness
  - Menambahkan skema JSON untuk unggahan dashboardDictionary.
- azureml-contrib-interpret
  - azureml-contrib-interpret README diperbarui untuk mencerminkan bahwa paket akan dihapus pada pembaruan berikutnya setelah dihentikan penggunaannya sejak Oktober, sebagai gantinya gunakan paket azureml-interpret
- azureml-core
  - Sebelumnya, mungkin untuk membuat konfigurasi provisi dengan jumlah simpul minimum kurang dari jumlah simpul maksimum. Ini sekarang telah diperbaiki. Jika Sekarang Anda mencoba membuat konfigurasi provisi dengan min_nodes < max_nodes SDK akan menaikkan ComputeTargetException.
  - Memperbaiki bug di wait_for_completion di AmlCompute, yang menyebabkan fungsi mengembalikan alur kontrol sebelum operasi benar-benar selesai
  - Run.fail() sekarang tidak digunakan lagi, gunakan Run.tag() untuk menandai eksekusi sebagai gagal atau gunakan Run.cancel() untuk menandai eksekusi sebagai dibatalkan.
  - Tampilkan pesan kesalahan 'Nama lingkungan yang diharapkan str, {} ditemukan' saat nama lingkungan yang disediakan bukan string.
- azureml-train-automl-client
  - Memperbaiki bug yang mencegah eksperimen AutoML yang dilakukan pada kluster Azure Databricks agar tidak dibatalkan.

2021-02-09

Azure Machine Learning SDK untuk Python v1.22.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Memperbaiki bug di mana dependensi pip tambahan ditambahkan ke file yml conda untuk model visi.
- azureml-automl-runtime
  - Memperbaiki bug di mana model prakiraan klasik (misalnya, AutoArima) dapat menerima data pelatihan di mana baris dengan nilai target tersirat tidak ada. Ini melanggar kontrak data dari model-model ini. * Memperbaiki berbagai bug dengan perilaku lag-by-occurrence di operator lag rangkaian waktu. Sebelumnya, operasi lag-by-occurrence tidak menandai semua baris tersirat dengan benar sehingga tidak akan selalu menghasilkan nilai lag kemunculan yang benar. Juga memperbaiki beberapa masalah kompatibilitas antara operator lag dan operator jendela bergulir dengan perilaku lag-by-occurrence. Ini sebelumnya mengakibatkan operator jendela bergulir menjatuhkan beberapa baris dari data pelatihan yang seharusnya digunakan olehnya.
- azureml-core
  - Menambahkan dukungan untuk Autentikasi Token berdasarkan audiens.
  - Menambahkan process_count ke PyTorchConfiguration untuk mendukung pekerjaan PyTorch multi-proses multi-simpul.
- azureml-pipeline-steps
  - CommandStep sekarang GA dan tidak lagi eksperimental.
  - ParallelRunConfig: menambahkan argumen allowed_failed_count dan allowed_failed_percent untuk memeriksa ambang kesalahan pada tingkat batch mini. Ambang kesalahan memiliki tiga rasa sekarang:
    - error_threshold - jumlah item batch mini yang diizinkan gagal;
    - allowed_failed_count - jumlah batch mini yang diizinkan gagal;
    - allowed_failed_percent- persentase batch mini yang diizinkan gagal.
    Pekerjaan berhenti jika melebihi salah satu dari mereka. error_threshold diperlukan untuk menjaga kompatibilitas dengan versi sebelumnya. Atur nilai ke -1 untuk mengabaikannya.
  - Memperbaiki penanganan spasi putih dalam nama AutoMLStep.
  - ScriptRunConfig sekarang didukung oleh HyperDriveStep
- azureml-train-core
  - Eksekusi HyperDrive yang dipanggil dari ScriptRun sekarang dianggap sebagai eksekusi anak.
  - Menambahkan process_count ke PyTorchConfiguration untuk mendukung pekerjaan PyTorch multi-proses multi-simpul.
- azureml-widgets
  - Menambahkan widget ParallelRunStepDetails untuk memvisualisasikan status ParallelRunStep.
  - Memungkinkan pengguna hyperdrive melihat sumbu pada bagan koordinat paralel yang memperlihatkan nilai metrik yang sesuai dengan setiap set hiperparameter untuk setiap anak yang dijalankan.

2021-01-31

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Januari)

Fitur baru
- Editor Markdown Asli di Azure Pembelajaran Mesin. Pengguna sekarang dapat merender dan mengedit file markdown secara asli di Azure Pembelajaran Mesin Studio.
- Menjalankan Tombol untuk Skrip (.py, . R, dan .sh). Pengguna sekarang dapat dengan mudah menjalankan skrip Python, R, dan Bash di Azure Pembelajaran Mesin
- Penjelajah variabel. Menjelajahi konten variabel dan bingkai data di panel pop-up. Pengguna dapat dengan mudah memeriksa jenis data, ukuran, dan konten.
- Tabel Konten. Navigasi ke bagian notebook Anda, yang ditunjukkan oleh header Markdown.
- Ekspor Notebook Anda sebagai Latex/HTML/Py. Buat file notebook yang mudah dibagikan dengan mengekspor ke LaTex, HTML, atau .py
- Intellicode. Hasil yang didukung ML memberikan pengalaman lengkapi otomatis cerdas yang ditingkatkan.
Perbaikan bug dan peningkatan
- Meningkatkan waktu pemuatan halaman
- Meningkatkan performa
- Meningkatkan kecepatan dan keandalan kernel

2021-01-25

Azure Machine Learning SDK untuk Python v1.21.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - Memperbaiki teks bantuan CLI saat menggunakan AmlCompute dengan Identitas UserAssigned
- azureml-contrib-automl-dnn-vision
  - Tombol sebarkan dan unduh menjadi terlihat untuk eksekusi visi AutoML, dan model dapat disebarkan atau diunduh mirip dengan eksekusi AutoML lainnya. Ada dua file baru (scoring_file_v_1_0_0.py dan conda_env_v_1_0_0.yml) yang berisi skrip untuk mengeksekusi inferensi dan file yml guna menciptakan kembali lingkungan conda. File 'model.pth' juga telah diganti namanya untuk menggunakan ekstensi '.pt'.
- azureml-core
  - Dukungan MSI untuk azure-cli-ml
  - Dukungan Identitas Terkelola yang Ditetapkan Pengguna.
  - Dengan perubahan ini, pelanggan akan dapat memberikan identitas yang ditetapkan pengguna, yang dapat digunakan untuk mengambil kunci dari brankas kunci pelanggan untuk enkripsi saat tidak aktif.
  - memperbaiki row_count=0 untuk profil file besar - memperbaiki kesalahan dalam konversi ganda untuk nilai yang dibatasi dengan padding spasi kosong
  - Menghapus bendera eksperimental untuk GA himpunan data Output
  - Memperbarui dokumentasi tentang cara mengambil versi Model tertentu
  - Perbolehkan memperbarui ruang kerja untuk akses mode campuran di tautan privat
  - Memperbaiki untuk menghapus pendaftaran lain di datastore untuk fitur lanjutkan eksekusi
  - Menambahkan dukungan CLI/SDK untuk memperbarui identitas ruang kerja yang ditetapkan pengguna utama
- azureml-interpret
  - memperbarui azureml-interpret ke interpret-community 0.16.0
  - pengoptimalan memori untuk klien penjelasan dalam azureml-interpret
- azureml-train-automl-runtime
  - Streaming diaktifkan untuk eksekusi ADB
- azureml-train-core
  - Memperbaiki untuk menghapus pendaftaran lain di datastore untuk fitur lanjutkan eksekusi
- azureml-widgets
  - Pelanggan seharusnya tidak melihat perubahan pada visualisasi data eksekusi yang ada menggunakan widget, dan sekarang memiliki dukungan jika mereka secara opsional menggunakan hiperparameter bersyarat.
  - Widget yang dieksekusi pengguna sekarang menyertakan penjelasan terperinci terkait alasan eksekusi berada dalam status antrean.

2021-01-11

Azure Machine Learning SDK untuk Python v1.20.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - framework_version ditambahkan di OptimizationConfig. Ini digunakan ketika model terdaftar dengan kerangka kerja MULTI.
- azureml-contrib-optimization
  - framework_version ditambahkan di OptimizationConfig. Ini digunakan ketika model terdaftar dengan kerangka kerja MULTI.
- azureml-pipeline-steps
  - Memperkenalkan CommandStep, yang akan mengambil perintah untuk diproses. Perintah dapat mencakup yang dapat dieksekusi, perintah shell, skrip, dll.
- azureml-core
  - Sekarang pembuatan ruang kerja mendukung identitas yang ditetapkan pengguna. Menambahkan dukungan uai dari SDK/CLI
  - Memperbaiki masalah pada service.reload() untuk mengambil perubahan score.py dalam penyebaran lokal.
  - run.get_details() memiliki bidang tambahan bernama "submittedBy", yang menampilkan nama penulis untuk eksekusi ini.
  - Dokumentasi metode Model.register yang diedit untuk menyebutkan cara mendaftarkan model dari eksekusi secara langsung
  - Memperbaiki masalah penanganan perubahan status koneksi IOT-Server.

2020-12-31

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Desember)

Fitur baru
- Pencarian Nama File Pengguna. Pengguna sekarang dapat mencari semua file yang disimpan di ruang kerja.
- Dukungan Berdampingan Markdown per Sel Notebook. Dalam sel notebook, sekarang pengguna dapat memiliki opsi untuk menampilkan markdown yang dirender dan sintaks markdown secara berdampingan.
- Bilah Status Sel. Bilah status menunjukkan status sel kode, apakah eksekusi sel berhasil, dan berapa lama waktu yang diperlukan untuk mengeksekusi.
Perbaikan bug dan peningkatan
- Meningkatkan waktu pemuatan halaman
- Meningkatkan performa
- Meningkatkan kecepatan dan keandalan kernel

2020-12-07

Azure Machine Learning SDK untuk Python v1.19.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Menambahkan dukungan eksperimental untuk data pengujian ke AutoMLStep.
  - Menambahkan implementasi inti awal fitur penyerapan set pengujian.
  - Memindahkan referensi ke sklearn.externals.joblib agar bergantung langsung pada joblib.
  - memperkenalkan jenis tugas AutoML baru "image-instance-segmentation".
- azureml-automl-runtime
  - Menambahkan implementasi inti awal fitur penyerapan set pengujian.
  - Ketika semua string dalam kolom teks memiliki panjang tepat satu karakter, featurizer kata-gram TfIdf tidak berfungsi karena tokenizer-nya mengabaikan string dengan kurang dari dua karakter. Perubahan kode saat ini memungkinkan AutoML untuk menangani kasus penggunaan ini.
  - memperkenalkan jenis tugas AutoML baru "image-instance-segmentation".
- azureml-contrib-automl-dnn-nlp
  - PR awal untuk paket dnn-nlp baru
- azureml-contrib-automl-dnn-vision
  - memperkenalkan jenis tugas AutoML baru "image-instance-segmentation".
- azureml-contrib-automl-pipeline-steps
  - Paket baru ini bertanggung jawab untuk membuat langkah-langkah yang diperlukan untuk banyak skenario pelatihan/inferensi model. - Ini juga memindahkan kode pelatihan/inferensi ke dalam paket azureml.train.automl.runtime sehingga perbaikan di masa mendatang akan tersedia secara otomatis melalui rilis lingkungan yang dikurasi.
- azureml-contrib-dataset
  - memperkenalkan jenis tugas AutoML baru "image-instance-segmentation".
- azureml-core
  - Menambahkan implementasi inti awal fitur penyerapan set pengujian.
  - Memperbaiki peringatan xref untuk dokumentasi dalam paket azureml-core
  - Perbaikan string dokumen untuk fitur dukungan Perintah di SDK
  - Menambahkan properti perintah ke RunConfiguration. Fitur ini memungkinkan pengguna menjalankan perintah aktual atau executable pada komputasi melalui Azure Pembelajaran Mesin SDK.
  - Pengguna dapat menghapus eksperimen kosong berdasarkan ID eksperimen tersebut.
- azureml-dataprep
  - Menambahkan dukungan himpunan data untuk Spark yang dibangun dengan Scala 2.12. Ini menambah dukungan 2.11 yang sudah ada.
- azureml-mlflow
  - AzureML-MLflow menambahkan perlindungan dalam skrip jarak jauh untuk menghindari penghentian awal dari eksekusi yang dikirim.
- azureml-pipeline-core
  - Memperbaiki bug pada pengaturan alur default untuk titik akhir alur yang dibuat melalui antarmuka pengguna
- azureml-pipeline-steps
  - Menambahkan dukungan eksperimental untuk data pengujian ke AutoMLStep.
- azureml-tensorboard
  - Memperbaiki peringatan xref untuk dokumentasi dalam paket azureml-core
- azureml-train-automl-client
  - Menambahkan dukungan eksperimental untuk data pengujian ke AutoMLStep.
  - Menambahkan implementasi inti awal fitur penyerapan set pengujian.
  - memperkenalkan jenis tugas AutoML baru "image-instance-segmentation".
- azureml-train-automl-runtime
  - Menambahkan implementasi inti awal fitur penyerapan set pengujian.
  - Memperbaiki komputasi penjelasan mentah untuk model AutoML terbaik jika model AutoML dilatih menggunakan pengaturan validation_size.
  - Memindahkan referensi ke sklearn.externals.joblib agar bergantung langsung pada joblib.
- azureml-train-core
  - Sekarang HyperDriveRun.get_children_sorted_by_primary_metric() seharusnya selesai lebih cepat
  - Penanganan kesalahan yang ditingkatkan di HyperDrive SDK.
  - Penghentian penggunaan semua kelas estimator demi dukungan penggunaan ScriptRunConfig untuk mengonfigurasi eksekusi eksperimen. Kelas yang tidak digunakan lagi meliputi:
    - MMLBase
    - Estimator
    - PyTorch
    - TensorFlow
    - Chainer
    - SKLearn
  - Penghentian penggunaan Nccl dan Gloo sebagai jenis input yang valid untuk kelas Estimator demi mendukung penggunaan PyTorchConfiguration dengan ScriptRunConfig.
  - Menghentikan penggunaan Mpi sebagai jenis input yang valid untuk kelas Estimator demi mendukung penggunaan MpiConfiguration dengan ScriptRunConfig.
  - Menambahkan properti perintah untuk menjalankan konfigurasi. Fitur ini memungkinkan pengguna menjalankan perintah aktual atau executable pada komputasi melalui Azure Pembelajaran Mesin SDK.
  - Penghentian penggunaan semua kelas estimator demi dukungan penggunaan ScriptRunConfig untuk mengonfigurasi eksekusi eksperimen. Kelas yang tidak digunakan lagi meliputi: + MMLBaseEstimator + Estimator + PyTorch + TensorFlow + Chainer + SKLearn
  - Penghentian penggunaan Nccl dan Gloo sebagai jenis input yang valid untuk kelas Estimator demi mendukung penggunaan PyTorchConfiguration dengan ScriptRunConfig.
  - Menghentikan penggunaan Mpi sebagai jenis input yang valid untuk kelas Estimator demi mendukung penggunaan MpiConfiguration dengan ScriptRunConfig.

2020-11-30

Pengalaman Notebook studio Azure Machine Learning (Pembaruan November)

Fitur baru
- Terminal Native. Pengguna sekarang memiliki akses ke terminal terintegrasi dan operasi Git melalui terminal terintegrasi.
- Folder Duplikat
- Biaya untuk Drop-Down Komputasi
- Pylance Komputasi Offline
Perbaikan bug dan peningkatan
- Meningkatkan waktu pemuatan halaman
- Meningkatkan performa
- Meningkatkan kecepatan dan keandalan kernel
- Unggahan File Besar. Anda sekarang dapat mengunggah file >95 mb

2020-11-09

Azure Machine Learning SDK untuk Python v1.18.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Peningkatan penanganan rangkaian waktu pendek dengan memungkinkan padding dengan kebisingan Gaussia.
- azureml-automl-runtime
  - Mengembalikan ConfigException jika kolom DateTime memiliki nilai OutOfBoundsDatetime
  - Peningkatan penanganan rangkaian waktu pendek dengan memungkinkan padding dengan kebisingan Gaussia.
  - Memastikan bahwa setiap kolom teks dapat menggunakan transformasi char-gram dengan rentang n-gram berdasarkan panjang string di kolom teks tersebut
  - Memberikan penjelasan fitur mentah untuk mode terbaik untuk eksperimen AutoML yang dieksekusi pada komputasi lokal pengguna
- azureml-core
  - Sematkan paket: pyjwt untuk menghindari penarikan melanggar rilis versi yang akan datang.
  - Membuat eksperimen mengembalikan eksperimen aktif atau terakhir diarsipkan dengan nama yang diberikan yang sama jika eksperimen tersebut ada atau eksperimen baru.
  - Memanggil get_experiment berdasarkan nama mengembalikan eksperimen aktif atau terakhir diarsipkan dengan nama yang diberikan.
  - Pengguna tidak dapat mengganti nama eksperimen saat mengaktifkannya kembali.
  - Pesan kesalahan yang ditingkatkan untuk menyertakan potensi perbaikan saat himpunan data salah diteruskan ke eksperimen (misalnya, ScriptRunConfig).
  - Dokumentasi yang ditingkatkan untuk OutputDatasetConfig.register_on_complete menyertakan perilaku apa yang terjadi ketika nama sudah ada.
  - Menentukan nama input dan output himpunan data yang berpotensi bertabrakan dengan variabel lingkungan umum sekarang menghasilkan peringatan
  - Parameter grant_workspace_access yang digunakan kembali saat mendaftarkan datastore. Atur ke True untuk mengakses data di belakang jaringan virtual dari studio Pembelajaran Mesin. Pelajari lebih lanjut
  - API layanan tertaut disempurnakan. Alih-alih menyediakan ID sumber daya, kami memiliki tiga parameter terpisah sub_id, rg, dan nama yang ditentukan dalam konfigurasi.
  - Untuk memungkinkan pelanggan menyelesaikan sendiri masalah korupsi token, izinkan sinkronisasi token ruang kerja menjadi metode publik.
  - Perubahan ini memungkinkan string kosong digunakan sebagai nilai untuk script_param
- azureml-train-automl-client
  - Peningkatan penanganan rangkaian waktu pendek dengan memungkinkan padding dengan kebisingan Gaussia.
- azureml-train-automl-runtime
  - Mengembalikan ConfigException jika kolom DateTime memiliki nilai OutOfBoundsDatetime
  - Menambahkan dukungan untuk memberikan penjelasan fitur mentah untuk model terbaik eksperimen AutoML yang dieksekusi pada komputasi lokal pengguna
  - Peningkatan penanganan rangkaian waktu pendek dengan memungkinkan padding dengan kebisingan Gaussia.
- azureml-train-core
  - Perubahan ini memungkinkan string kosong digunakan sebagai nilai untuk script_param
- azureml-train-restclients-hyperdrive
  - README telah diubah untuk menawarkan lebih banyak konteks
- azureml-widgets
  - Menambahkan dukungan string ke pustaka bagan/koordinat paralel untuk widget.

2020-11-05

Pelabelan Data untuk segmentasi instans citra (anotasi poligon) (pratinjau)

Jenis proyek segmentasi (anotasi poligon) instans citra dalam pelabelan data sekarang tersedia, sehingga pengguna dapat menggambar dan membuat anotasi dengan poligon di sekitar kontur objek dalam citra. Pengguna dapat menetapkan kelas dan poligon untuk setiap objek yang menarik dalam gambar.

Pelajari selengkapnya tentang pelabelan segmentasi instans citra.

2020-10-26

Azure Machine Learning SDK untuk Python v1.17.0

contoh baru
- Repositori contoh berbasis komunitas baru tersedia di https://github.com/Azure/azureml-examples
Perbaikan bug dan peningkatan
- azureml-automl-core
  - Memperbaiki masalah di mana get_output dapat menampilkan XGBoostError.
- azureml-automl-runtime
  - Fitur berbasis waktu/kalender yang dibuat oleh AutoML sekarang memiliki awalan.
  - Memperbaiki IndexError yang terjadi selama pelatihan StackEnsemble untuk himpunan data klasifikasi dengan sejumlah besar kelas dan subsampling diaktifkan.
  - Memperbaiki masalah di mana prediksi VotingRegressor mungkin tidak akurat setelah perbaikan model.
- azureml-core
  - Detail lebih lanjut ditambahkan tentang hubungan antara konfigurasi penyebaran AKS dan konsep Azure Kubernetes Service.
  - Dukungan label klien lingkungan. Pengguna dapat memberi label Environment dan mereferensikannya berdasarkan label.
- azureml-dataprep
  - Pesan kesalahan yang lebih baik saat menggunakan Spark dengan Scala 2.12 yang saat ini tidak didukung.
- azureml-explain-model
  - Paket azureml-explain-model resmi tidak digunakan lagi
- azureml-mlflow
  - Mengatasi bug di mlflow.projects.run terhadap backend azureml di mana status Finalisasi tidak ditangani dengan benar.
- azureml-pipeline-core
  - Menambahkan dukungan untuk membuat, membuat daftar, dan mendapatkan jadwal alur berdasarkan satu titik akhir alur.
  - Meningkatkan dokumentasi PipelineData.as_dataset dengan contoh penggunaan yang tidak valid - Menggunakan PipelineData.as_dataset tidak tepat sekarang mengakibatkan ValueException dilemparkan
  - Mengubah notebook alur HyperDriveStep untuk mendaftarkan model terbaik dalam PipelineStep langsung setelah eksekusi HyperDriveStep.
- azureml-pipeline-steps
  - Mengubah notebook alur HyperDriveStep untuk mendaftarkan model terbaik dalam PipelineStep langsung setelah eksekusi HyperDriveStep.
- azureml-train-automl-client
  - Memperbaiki masalah di mana get_output dapat menampilkan XGBoostError.

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Oktober)

Fitur baru
- Dukungan jaringan virtual penuh
- Mode Fokus
- Menyimpan notebook Ctrl-S
- Nomor Baris
Perbaikan bug dan peningkatan
- Meningkatkan kecepatan dan keandalan kernel
- Memperbarui Antarmuka Pengguna Widget Jupyter

2020-10-12

Azure Machine Learning SDK untuk Python v1.16.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - AKSWebservice dan AKSEndpoints kini mendukung batas sumber daya CPU dan Memori tingkat pod. Batas opsional ini dapat digunakan dengan mengatur bendera --cpu-cores-limit dan --memory-gb-limit dalam panggilan CLI yang berlaku
- azureml-core
  - Menyematkan versi utama dependensi langsung azureml-core
  - AKSWebservice dan AKSEndpoints kini mendukung batas sumber daya CPU dan Memori tingkat pod. Informasi lebih lanjut tentang Sumber Daya dan Batasan Kubernetes
  - Memperbarui run.log_table untuk memungkinkan baris individual dicatat.
  - Menambahkan metode statis Run.get(workspace, run_id) untuk mengambil eksekusi hanya menggunakan ruang kerja
  - Menambahkan metode instans Workspace.get_run(run_id) untuk mengambil eksekusi dalam ruang kerja
  - Memperkenalkan properti perintah dalam konfigurasi eksekusi, yang memungkinkan pengguna mengirimkan perintah alih-alih skrip & argumen.
- azureml-interpret
  - penjelasan tetap perilaku bendera is_raw klien dalam azureml-interpret
- azureml-sdk
  - azureml-sdk secara resmi mendukung Python 3.8.
- azureml-train-core
  - Menambahkan lingkungan yang dikurasi TensorFlow 2.3
  - Memperkenalkan properti perintah dalam konfigurasi eksekusi, yang memungkinkan pengguna mengirimkan perintah alih-alih skrip & argumen.
- azureml-widgets
  - Antarmuka yang didesain ulang untuk widget eksekusi skrip.

2020-09-28

Azure Machine Learning SDK untuk Python v1.15.0

Perbaikan bug dan peningkatan
- azureml-contrib-interpret
  - Pemberi penjelasan LIME dipindahkan dari azureml-contrib-interpret ke paket interpret-community dan pemberi penjelasan citra dihapus dari paket azureml-contrib-interpret
  - dasbor visualisasi dihapus dari paket azureml-contrib-interpret, klien penjelasan dipindahkan ke paket azureml-interpret dan tidak digunakan lagi dalam paket azureml-contrib-interpret dan notebook diperbarui untuk mencerminkan API yang ditingkatkan
  - perbaikan deskripsi paket pypi untuk azureml-interpret, azureml-explain-model, azureml-contrib-interpret, dan azureml-tensorboard
- azureml-contrib-notebook
  - Menyematkan dependensi nbcovert ke < 6 agar papermill 1.x terus bekerja.
- azureml-core
  - Menambahkan parameter ke konstruktor TensorflowConfiguration dan MpiConfiguration untuk memungkinkan inisialisasi atribut class yang lebih efisien tanpa mengharuskan pengguna untuk mengatur masing-masing atribut. Menambahkan kelas PyTorchConfiguration untuk mengonfigurasi pekerjaan PyTorch terdistribusi di ScriptRunConfig.
  - Menyematkan versi azure-mgmt-resource untuk memperbaiki kesalahan autentikasi.
  - Mendukung Penyebaran Tidak Ada Kode Triton
  - direktori output yang ditentukan dalam Run.start_logging() sekarang dilacak saat menggunakan eksekusi dalam skenario interaktif. File yang dilacak terlihat di ML Studio saat memanggil Run.complete()
  - Pengkodean file sekarang dapat ditentukan selama pembuatan himpunan data dengan Dataset.Tabular.from_delimited_files dan Dataset.Tabular.from_json_lines_files melalui penerusan argumen encoding. Pengkodean yang didukung adalah 'utf8', 'iso88591', 'latin1', 'ascii', utf16', 'utf32', 'utf8bom', dan 'windows1252'.
  - Perbaikan bug saat objek lingkungan tidak diteruskan ke konstruktor ScriptRunConfig.
  - Run.cancel() yang diperbarui untuk memperbolehkan pembatalan eksekusi lokal dari komputer lain.
- azureml-dataprep
  - Memperbaiki masalah batas waktu pemasangan himpunan data.
- azureml-explain-model
  - perbaikan deskripsi paket pypi untuk azureml-interpret, azureml-explain-model, azureml-contrib-interpret, dan azureml-tensorboard
- azureml-interpret
  - dasbor visualisasi dihapus dari paket azureml-contrib-interpret, klien penjelasan dipindahkan ke paket azureml-interpret dan tidak digunakan lagi dalam paket azureml-contrib-interpret dan notebook diperbarui untuk mencerminkan API yang ditingkatkan
  - Paket azureml-interpret diperbarui untuk bergantung pada interpret-community 0.15.0
  - perbaikan deskripsi paket pypi untuk azureml-interpret, azureml-explain-model, azureml-contrib-interpret, dan azureml-tensorboard
- azureml-pipeline-core
  - Memperbaiki masalah alur dengan OutputFileDatasetConfig di mana sistem mungkin berhenti merespons ketika register_on_complete dipanggil dengan parameter name yang diatur ke nama himpunan data yang sudah ada sebelumnya.
- azureml-pipeline-steps
  - Menghapus notebook databricks yang usang.
- azureml-tensorboard
  - perbaikan deskripsi paket pypi untuk azureml-interpret, azureml-explain-model, azureml-contrib-interpret, dan azureml-tensorboard
- azureml-train-automl-runtime
  - dasbor visualisasi dihapus dari paket azureml-contrib-interpret, klien penjelasan dipindahkan ke paket azureml-interpret dan tidak digunakan lagi dalam paket azureml-contrib-interpret dan notebook diperbarui untuk mencerminkan API yang ditingkatkan
- azureml-widgets
  - dasbor visualisasi dihapus dari paket azureml-contrib-interpret, klien penjelasan dipindahkan ke paket azureml-interpret dan tidak digunakan lagi dalam paket azureml-contrib-interpret dan notebook diperbarui untuk mencerminkan API yang ditingkatkan

2020-09-21

Azure Machine Learning SDK untuk Python v1.14.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - Pembuatan Profil Kisi dihapus dari SDK dan tidak lagi didukung.
- azureml-accel-models
  - Paket azureml-accel-models sekarang mendukung TensorFlow 2.x
- azureml-automl-core
  - Menambahkan penanganan kesalahan get_output untuk kasus ketika versi lokal pandas/sklearn tidak cocok dengan yang digunakan selama pelatihan
- azureml-automl-runtime
  - Memperbaiki bug di mana perulangan AutoArima akan gagal dengan PredictionException dan pesan: "Kegagalan diam terjadi saat prediksi".
- azureml-cli-common
  - Pembuatan Profil Kisi dihapus dari SDK dan tidak lagi didukung.
- azureml-contrib-server
  - Memperbarui deskripsi paket untuk halaman ringkasan pypi.
- azureml-core
  - Pembuatan Profil Kisi dihapus dari SDK dan tidak lagi didukung.
  - Mengurangi jumlah pesan kesalahan saat pengambilan ruang kerja gagal.
  - Tidak menampilkan peringatan saat pengambilan metadata gagal
  - Langkah Kusto dan Target Komputasi Kusto Baru.
  - Memperbarui dokumen untuk parameter sku. Menghapus sku di fungsionalitas pembaruan ruang kerja di CLI dan SDK.
  - Memperbarui deskripsi paket untuk halaman ringkasan pypi.
  - Dokumentasi yang diperbarui untuk Azure Pembelajaran Mesin Environments.
  - Mengekspos pengaturan sumber daya terkelola layanan untuk ruang kerja AML di SDK.
- azureml-dataprep
  - Mengaktifkan izin eksekusi pada file untuk pemasangan Himpunan data.
- azureml-mlflow
  - Dokumentasi Azure Pembelajaran Mesin MLflow dan sampel buku catatan yang diperbarui
  - Dukungan baru untuk proyek MLflow dengan backend Azure Pembelajaran Mesin
  - Dukungan registri model MLflow
  - Menambahkan dukungan Azure RBAC untuk operasi AzureML-MLflow
- azureml-pipeline-core
  - Meningkatkan dokumentasi metode PipelineOutputFileDataset.parse_*.
  - Langkah Kusto dan Target Komputasi Kusto Baru.
  - Menyediakan properti Swaggerurl untuk entitas titik akhir alur melalui pengguna tersebut dapat melihat definisi skema untuk titik akhir alur yang diterbitkan.
- azureml-pipeline-steps
  - Langkah Kusto dan Target Komputasi Kusto Baru.
- azureml-telemetry
  - Memperbarui deskripsi paket untuk halaman ringkasan pypi.
- azureml-train
  - Memperbarui deskripsi paket untuk halaman ringkasan pypi.
- azureml-train-automl-client
  - Menambahkan penanganan kesalahan get_output untuk kasus ketika versi lokal pandas/sklearn tidak cocok dengan yang digunakan selama pelatihan
- azureml-train-core
  - Memperbarui deskripsi paket untuk halaman ringkasan pypi.

2020-08-31

Azure Machine Learning SDK untuk Python v1.13.0

Fitur pratinjau
- azureml-core Dengan kemampuan himpunan data output baru, Anda dapat menulis ulang ke penyimpanan cloud termasuk Blob, ADLS Gen 1, ADLS Gen 2, dan FileShare. Anda dapat mengonfigurasi tempat menghasilkan output data, cara menghasilkan output data (melalui pemasangan atau pengunggahan), apakah akan mendaftarkan data output untuk digunakan kembali dan dibagikan di masa mendatang, serta meneruskan data perantara di antara langkah-langkah alur dengan mulus. Hal ini memungkinkan reproduksi, berbagi, mencegah duplikasi data, dan menghasilkan efisiensi biaya dan peningkatan produktivitas. Pelajari cara menggunakannya
Perbaikan bug dan peningkatan
- azureml-automl-core
  - Menambahkan file validated_{platform}_requirements.txt untuk menyematkan semua dependensi pip untuk AutoML.
  - Rilis ini mendukung model yang lebih besar dari 4 Gb.
  - Dependensi AutoML yang ditingkatkan: scikit-learn (sekarang 0.22.1), pandas (sekarang 0.25.1), numpy (sekarang 1.18.2).
- azureml-automl-runtime
  - Mengatur horovod untuk DNN teks agar selalu menggunakan pemadatan fp16.
  - Rilis ini mendukung model yang lebih besar dari 4 Gb.
  - Memperbaiki masalah di mana AutoML gagal dengan ImportError: tidak dapat mengimpor nama RollingOriginValidator.
  - Dependensi AutoML yang ditingkatkan: scikit-learn (sekarang 0.22.1), pandas (sekarang 0.25.1), numpy (sekarang 1.18.2).
- azureml-contrib-automl-dnn-forecasting
  - Dependensi AutoML yang ditingkatkan: scikit-learn (sekarang 0.22.1), pandas (sekarang 0.25.1), numpy (sekarang 1.18.2).
- azureml-contrib-fairness
  - Memberikan deskripsi singkat untuk azureml-contrib-fairness.
- azureml-contrib-pipeline-steps
  - Pesan tambahan yang menunjukkan paket ini sudah tidak digunakan lagi dan pengguna harus menggunakan azureml-pipeline-steps sebagai gantinya.
- azureml-core
  - Menambahkan perintah kunci daftar untuk ruang kerja.
  - Menambahkan parameter tag di Workspace SDK dan CLI.
  - Memperbaiki bug saat mengirimkan eksekusi anak dengan Himpunan Data gagal karena TypeError: can't pickle _thread.RLock objects.
  - Menambahkan default/documentation page_count untuk Model list().
  - Mengubah CLI & SDK untuk mengambil parameter adbworkspace dan Tambahkan runner adb lin/unlink ruang kerja.
  - Perbaikan bug di Dataset.update yang menyebabkan versi Himpunan data terbaru diperbarui, bukan versi pembaruan Himpunan Data dipanggil.
  - Perbaikan bug Dataset.get_by_name yang akan menampilkan tag untuk versi Himpunan data terbaru bahkan ketika versi lama tertentu diambil.
- azureml-interpret
  - Menambahkan output peluang untuk membentuk pemberi penjelasan penilaian dalam azureml-interpret berdasarkan parameter shap_values_output dari pemberi penjelasan asli.
- azureml-pipeline-core
  - Meningkatkan dokumentasi PipelineOutputAbstractDataset.register.
- azureml-train-automl-client
  - Dependensi AutoML yang ditingkatkan: scikit-learn (sekarang 0.22.1), pandas (sekarang 0.25.1), numpy (sekarang 1.18.2).
- azureml-train-automl-runtime
  - Dependensi AutoML yang ditingkatkan: scikit-learn (sekarang 0.22.1), pandas (sekarang 0.25.1), numpy (sekarang 1.18.2).
- azureml-train-core
  - Pengguna sekarang harus menyediakan arg hyperparameter_sampling yang valid saat membuat HyperDriveConfig. Selain itu, dokumentasi untuk HyperDriveRunConfig telah diedit untuk memberi tahu pengguna tentang penghentian penggunaan HyperDriveRunConfig.
  - Mengembalikan Versi Default PyTorch ke 1.4.
  - Menambahkan citra dan lingkungan yang dikurasi PyTorch 1.6 & Tensorflow 2.2.

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Agustus)

Fitur baru
- Halaman arahan Memulai yang Baru
Fitur pratinjau
- Fitur Kumpulkan di Notebook. Dengan fitur Kumpulkan, pengguna sekarang dapat dengan mudah membersihkan notebook, Kumpulkan menggunakan analisis dependensi otomatis notebook, memastikan kode penting disimpan, tetapi menghapus bagian apa pun yang tidak relevan.
Perbaikan bug dan peningkatan
- Meningkatkan kecepatan dan keandalan
- Bug mode gelap diperbaiki
- Bug Gulir Output diperbaiki
- Contoh Pencarian kini mencari semua konten semua file dalam repositori notebook sampel Azure Machine Learning
- Sel R multi-baris sekarang dapat dieksekusis
- "Saya mempercayai isi file ini" sekarang dicentang secara otomatis setelah pertama kali
- Meningkatkan dialog Resolusi konflik, dengan opsi "Buat salinan" yang baru

2020-08-17

Azure Machine Learning SDK untuk Python v1.12.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - Menambahkan parameter image_name dan image_label ke Model.package() untuk mengaktifkan penggantian nama citra paket bawaan.
- azureml-automl-core
  - AutoML mengembalikan kode galat baru dari dataprep saat konten dimodifikasi saat dibaca.
- azureml-automl-runtime
  - Menambahkan pemberitahuan untuk pengguna saat data berisi nilai yang hilang tetapi fiturisasi dinonaktifkan.
  - Memperbaiki kegagalan eksekusi anak saat data berisi nan dan fiturisasi dinonaktifkan.
  - AutoML mengembalikan kode galat baru dari dataprep saat konten dimodifikasi saat dibaca.
  - Normalisasi yang diperbarui untuk membuat prakiraan metrik yang akan terjadi berdasarkan grain.
  - Meningkatkan perhitungan kuantil prakiraan saat fitur lookback dinonaktifkan.
  - Perbaikan penanganan matriks bool yang jarang saat menghitung penjelasan setelah AutoML.
- azureml-core
  - Metode run.get_detailed_status() baru sekarang menunjukkan penjelasan terperinci tentang status eksekusi saat ini. Saat ini hanya menampilkan penjelasan untuk Queued status.
  - Menambahkan parameter image_name dan image_label ke Model.package() untuk mengaktifkan penggantian nama citra paket bawaan.
  - Metode baru set_pip_requirements() untuk mengatur seluruh bagian pip dalam CondaDependencies sekaligus.
  - Mengaktifkan pendaftaran datastore ADLS Gen2 tanpa info masuk.
  - Meningkatkan pesan kesalahan ketika mencoba mengunduh atau memasang jenis himpunan data yang salah.
  - Memperbarui notebook sampel filter himpunan data rangkaian waktu dengan lebih banyak contoh partition_timestamp yang menyediakan pengoptimalan filter.
  - Mengubah sdk dan CLI agar menerima subscriptionId, resourceGroup, workspaceName, peConnectionName sebagai parameter, alih-alih ArmResourceId saat menghapus koneksi titik akhir privat.
  - Experimental Decorator menunjukkan nama kelas untuk identifikasi yang lebih mudah.
  - Deskripsi untuk Aset di dalam Model tidak lagi dibuat secara otomatis berdasarkan Eksekusi.
- azureml-datadrift
  - Menandai API create_from_model di DataDriftDetector sebagai akan tidak digunakan lagi.
- azureml-dataprep
  - Meningkatkan pesan kesalahan ketika mencoba mengunduh atau memasang jenis himpunan data yang salah.
- azureml-pipeline-core
  - Memperbaiki bug saat mendeserialisasi grafik alur yang berisi himpunan data terdaftar.
- azureml-pipeline-steps
  - RScriptStep mendukung RSection dari azureml.core.environment.
  - Menghapus parameter passthru_automl_config dari API publik AutoMLStep dan mengonversinya menjadi parameter internal saja.
- azureml-train-automl-client
  - Menghapus eksekusi lingkungan lokal asinkron terkelola dari AutoML. Semua eksekusi lokal yang dijalankan di lingkungan tempat eksekusi diluncurkan.
  - Memperbaiki masalah salinan bayangan saat mengirimkan eksekusi AutoML tanpa skrip yang disediakan pengguna.
  - Memperbaiki kegagalan eksekusi anak saat data berisi nan dan fiturisasi dinonaktifkan.
- azureml-train-automl-runtime
  - AutoML mengembalikan kode galat baru dari dataprep saat konten dimodifikasi saat dibaca.
  - Memperbaiki masalah salinan bayangan saat mengirimkan eksekusi AutoML tanpa skrip yang disediakan pengguna.
  - Memperbaiki kegagalan eksekusi anak saat data berisi nan dan fiturisasi dinonaktifkan.
- azureml-train-core
  - Menambahkan dukungan untuk menentukan opsi pip (misalnya--extra-index-url) dalam file persyaratan pip yang Estimator diteruskan ke parameter through pip_requirements_file .

2020-08-03

Azure Machine Learning SDK untuk Python v1.11.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - Memperbaiki kerangka kerja model dan kerangka model yang tidak diteruskan dalam eksekusi objek di jalur pendaftaran model CLI
  - Memperbaiki perintah tampilkan identitas amlcompute CLI untuk menampilkan ID penyewa dan ID utama
- azureml-train-automl-client
  - Menambahkan get_best_child () ke AutoMLRun untuk mengambil eksekusi anak terbaik untuk Eksekusi AutoML tanpa mengunduh model terkait.
  - Menambahkan objek ModelProxy yang memungkinkan prediksi atau prakiraan dieksekusi pada lingkungan pelatihan jarak jauh tanpa mengunduh model secara lokal.
  - Pengecualian tidak tertangani dalam AutoML sekarang mengarah ke halaman HTTP masalah yang diketahui, di mana informasi lebih lanjut tentang kesalahan dapat ditemukan.
- azureml-core
  - Nama model panjangnya dapat mencapai 255 karakter.
  - Jenis objek yang dikembalikan Environment.get_image_details() diubah. Kelas DockerImageDetails menggantikan dict, detail citra tersedia dari properti kelas baru. Perubahan kompatibel dengan versi sebelumnya.
  - Memperbaiki bug untuk Environment.from_pip_requirements() agar mempertahankan struktur dependensi
  - Memperbaiki bug di mana log_list akan gagal jika int dan double disertakan dalam daftar yang sama.
  - Saat mengaktifkan tautan privat di ruang kerja yang ada, perhatikan bahwa jika ada target komputasi yang terkait dengan ruang kerja, target tersebut tidak akan berfungsi jika tidak berada di belakang jaringan virtual yang sama dengan titik akhir privat ruang kerja.
  - Menjadikan as_named_input opsional saat menggunakan himpunan data dalam eksperimen dan menambahkan as_mount dan as_download ke FileDataset. Nama input secara otomatis dihasilkan jika as_mount atau as_download dipanggil.
- azureml-automl-core
  - Pengecualian tidak tertangani dalam AutoML sekarang mengarah ke halaman HTTP masalah yang diketahui, di mana informasi lebih lanjut tentang kesalahan dapat ditemukan.
  - Menambahkan get_best_child () ke AutoMLRun untuk mengambil eksekusi anak terbaik untuk Eksekusi AutoML tanpa mengunduh model terkait.
  - Menambahkan objek ModelProxy yang memungkinkan prediksi atau prakiraan dieksekusi pada lingkungan pelatihan jarak jauh tanpa mengunduh model secara lokal.
- azureml-pipeline-steps
  - Menambahkan bendera enable_default_model_output dan enable_default_metrics_output ke AutoMLStep. Bendera ini dapat digunakan untuk mengaktifkan/menonaktifkan output default.

2020-07-20

Azure Machine Learning SDK untuk Python v1.10.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Saat menggunakan AutoML, jika jalur diteruskan ke objek AutoMLConfig dan belum ada, jalur tersebut akan dibuat secara otomatis.
  - Pengguna sekarang dapat menentukan frekuensi rangkaian waktu untuk memprakirakan tugas menggunakan parameter freq.
- azureml-automl-runtime
  - Saat menggunakan AutoML, jika jalur diteruskan ke objek AutoMLConfig dan belum ada, jalur tersebut akan dibuat secara otomatis.
  - Pengguna sekarang dapat menentukan frekuensi rangkaian waktu untuk memprakirakan tugas menggunakan parameter freq.
  - Prakiraan AutoML sekarang mendukung evaluasi bergulir, yang berlaku untuk kasus penggunaan di mana panjang set validasi atau pengujian melebihi panjang horizon input, dan nilai y_pred yang diketahui digunakan sebagai konteks prakiraan.
- azureml-core
  - Pesan peringatan dicetak jika tidak ada file yang diunduh dari datastore dalam proses.
  - Menambahkan dokumentasi untuk skip_validation ke Datastore.register_azure_sql_database method.
  - Pengguna diharuskan untuk melakukan peningkatan ke sdk v1.10.0 atau lebih tinggi untuk membuat titik akhir privat yang disetujui secara otomatis. Ini termasuk sumber daya Notebook yang dapat digunakan di balik VNet.
  - Mengekspos NotebookInfo dalam respons dapatkan ruang kerja.
  - Perubahan agar panggilan mencantumkan target komputasi dan menjadikan target komputasi berhasil pada eksekusi jangka jauh. Fungsi Sdk untuk mendapatkan target komputasi dan mencantumkan target komputasi ruang kerja sekarang berfungsi dalam eksekusi jarak jauh.
  - Menambahkan pesan penghentian penggunaan ke deskripsi kelas untuk kelas azureml.core.image.
  - Mengembalikan pengecualian dan bersihkan ruang kerja dan sumber daya dependen jika pembuatan titik akhir privat ruang kerja gagal.
  - Mendukung peningkatan sku ruang kerja dalam metode pembaruan ruang kerja.
- azureml-datadrift
  - Memperbarui versi matplotlib dari 3.0.2 ke 3.2.1 untuk mendukung python 3.8.
- azureml-dataprep
  - Menambahkan dukungan sumber data url web dengan permintaan Range atau Head.
  - Meningkatkan stabilitas untuk pemasangan dan pengunduhan himpunan data file.
- azureml-train-automl-client
  - Memperbaiki masalah terkait penghapusan RequirementParseError dari setuptool.
  - Menggunakan docker alih-alih conda untuk eksekusi lokal yang dikirimkan menggunakan "compute_target='local'"
  - Durasi perulangan yang dicetak ke konsol telah diperbaiki. Sebelumnya, durasi perulangan terkadang dicetak sebagai waktu berakhir eksekusi dikurangi waktu pembuatan eksekusi. Durasi ini telah diperbaiki agar sama dengan waktu berakhir eksekusi dikurangi waktu mulai eksekusi.
  - Saat menggunakan AutoML, jika jalur diteruskan ke objek AutoMLConfig dan belum ada, jalur tersebut akan dibuat secara otomatis.
  - Pengguna sekarang dapat menentukan frekuensi rangkaian waktu untuk memprakirakan tugas menggunakan parameter freq.
- azureml-train-automl-runtime
  - Meningkatkan output konsol saat penjelasan model terbaik gagal.
  - Mengganti nama parameter input menjadi "blocked_models" untuk menghapus istilah sensitif.
    - Mengganti nama parameter input menjadi "allowed_models" untuk menghapus istilah sensitif.
  - Pengguna sekarang dapat menentukan frekuensi rangkaian waktu untuk memprakirakan tugas menggunakan parameter freq.

2020-07-06

Azure Machine Learning SDK untuk Python v1.9.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Mengganti get_model_path() dengan variabel lingkungan AZUREML_MODEL_DIR dalam skrip penilaian AutoML yang dihasilkan secara otomatis. Juga menambahkan telemetri untuk melacak kegagalan selama init().
  - Menghapus kemampuan untuk menentukan enable_cache sebagai bagian dari AutoMLConfig
  - Memperbaiki bug di mana eksekusi mungkin gagal dengan kesalahan layanan selama eksekusi prakiraan tertentu
  - Meningkatkan penanganan kesalahan seputar model tertentu selama get_output
  - Memperbaiki panggilan ke fitted_model.fit(X, y) untuk klasifikasi dengan pentransformasi y
  - Mengaktifkan imputer isi pengalihan yang disesuaikan untuk tugas prakiraan
  - Kelas ForecastingParameters baru digunakan alih-alih memperkirakan parameter dalam format dict
  - Meningkatkan deteksi otomatis lag target
  - Menambahkan ketersediaan terbatas fiturisasi terdistribusi multi-simpul dan multi-gpu dengan BERT
- azureml-automl-runtime
  - Prophet sekarang melakukan pemodelan musiman aditif alih-alih multiplikatif.
  - Memperbaiki masalah ketika biji-bijian pendek, memiliki frekuensi yang berbeda dari salah satu butir panjang menghasilkan eksekusi yang gagal.
- azureml-contrib-automl-dnn-vision
  - Mengumpulkan statistik sistem/gpu dan rata-rata log untuk pelatihan dan penilaian
- azureml-contrib-mir
  - Menambahkan dukungan untuk bendera enable-app-insights di ManagedInferencing
- azureml-core
  - Parameter validasi ke API ini dengan memungkinkan validasi dilewati ketika sumber data tidak dapat diakses dari komputasi saat ini.
    - TabularDataset.time_before(end_time, include_boundary=True, validate=True)
    - TabularDataset.time_after(start_time, include_boundary=True, validate=True)
    - TabularDataset.time_recent(time_delta, include_boundary=True, validate=True)
    - TabularDataset.time_between(start_time, end_time, include_boundary=True, validate=True)
  - Menambahkan dukungan pemfilteran kerangka kerja untuk daftar model, dan menambahkan kembali sampel AutoML NCD di notebook
  - Untuk Datastore.register_azure_blob_container dan Datastore.register_azure_file_share (hanya opsi yang mendukung token SAS), kami telah memperbarui string doc untuk bidang sas_token agar menyertakan persyaratan izin minimum untuk skenario baca dan tulis umum.
  - Menghentikan penggunaan param _with_auth dalam ws.get_mlflow_tracking_uri()
- azureml-mlflow
  - Menambahkan dukungan untuk menyebarkan model file:// lokal dengan AzureML-MLflow
  - Menghentikan penggunaan param _with_auth dalam ws.get_mlflow_tracking_uri()
- azureml-opendatasets
  - Himpunan data pelacakan Covid-19 yang baru saja diterbitkan sekarang tersedia dengan SDK
- azureml-pipeline-core
  - Peringatan keluar ketika "azureml-defaults" tidak disertakan sebagai bagian dari pip-dependency
  - Meningkatkan rendering Catatan.
  - Menambahkan dukungan untuk ganti garis yang dikutip saat menguraikan file yang dibatasi ke PipelineOutputFileDataset.
  - Kelas PipelineDataset sudah tidak digunakan lagi. Untuk informasi selengkapnya, lihat https://aka.ms/dataset-deprecation. Pelajari cara menggunakan himpunan data dengan alur, lihat https://aka.ms/pipeline-with-dataset.
- azureml-pipeline-steps
  - Memperbarui dokumen pada azureml-pipeline-steps.
  - Menambahkan dukungan di load_yaml() ParallelRunConfig bagi pengguna untuk menentukan Environment sebaris dengan konfigurasi lainnya atau dalam file terpisah
- azureml-train-automl-client.
  - Menghapus kemampuan untuk menentukan enable_cache sebagai bagian dari AutoMLConfig
- azureml-train-automl-runtime
  - Menambahkan ketersediaan terbatas fiturisasi terdistribusi multi-simpul dan multi-gpu dengan BERT.
  - Menambahkan penanganan kesalahan untuk paket yang tidak kompatibel dalam eksekusi pembelajaran mesin otomatis berbasis ADB.
- azureml-widgets
  - Memperbarui dokumen pada azureml-widgets.

2020-06-22

Azure Machine Learning SDK untuk Python v1.8.0

Fitur pratinjau
- azureml-contrib-fairness Paket azureml-contrib-fairness ini menyediakan integrasi antara penilaian keadilan sumber terbuka dan paket mitigasi ketidakadilan Fairlearn dan studio Azure Machine Learning. Secara khusus, paket memungkinkan dasbor evaluasi kewajaran model diunggah sebagai bagian dari Azure Pembelajaran Mesin Run dan muncul di studio Azure Pembelajaran Mesin
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Mendukung mendapatkan log kontainer init.
  - Menambahkan perintah CLI baru untuk mengelola ComputeInstance
- azureml-automl-core
  - Pengguna sekarang dapat mengaktifkan perulangan stack ensemble untuk tugas Rangkaian waktu dengan peringatan bahwa tindakan ini memiliki potensi overfit.
  - Menambahkan jenis pengecualian pengguna baru yang muncul jika konten penyimpanan cache telah dirusak
- azureml-automl-runtime
  - Class Balancing Sweeping tidak lagi diaktifkan jika pengguna menonaktifkan fiturisasi.
- azureml-contrib-notebook
  - Meningkatkan dokumen pada paket azureml-contrib-notebook.
- azureml-contrib-pipeline-steps
  - Meningkatkan dokumen pada paket azureml-contrib--pipeline-steps.
- azureml-core
  - Menambahkan set_connection, get_connection, list_connections, delete_connection bagi pelanggan untuk beroperasi pada sumber daya koneksi ruang kerja
  - Memperbarui dokumentasi pada paket azureml-coore/azureml.exceptions.
  - Memperbarui dokumentasi pada paket azureml-core.
  - Memperbarui dokumen pada kelas ComputeInstance.
  - Meningkatkan dokumen pada paket azureml-core/azureml.core.compute.
  - Meningkatkan dokumen pada kelas webservice-related di azureml-core.
  - Mendukung datastore yang dipilih pengguna untuk menyimpan data pembuatan profil
  - Menambahkan properti expand dan page_count untuk API daftar model
  - Memperbaiki bug di mana menghapus properti timpa menyebabkan eksekusi yang dikirim gagal dengan kesalahan deserialisasi.
  - Memperbaiki struktur folder yang tidak konsisten saat mengunduh atau memasang referensi FileDataset ke satu file.
  - Memuat himpunan data file parket to_spark_dataframe sekarang lebih cepat dan mendukung semua jenis data parket dan Spark SQL.
  - Mendukung mendapatkan log kontainer init.
  - Eksekusi AutoML sekarang ditandai sebagai eksekusi anak dari Langkah Eksekusi Paralel.
- azureml-datadrift
  - Meningkatkan dokumen pada paket azureml-contrib-notebook.
- azureml-dataprep
  - Memuat himpunan data file parket to_spark_dataframe sekarang lebih cepat dan mendukung semua jenis data parket dan Spark SQL.
  - Penanganan memori yang lebih baik untuk masalah OutOfMemory untuk to_pandas_dataframe.
- azureml-interpret
  - Meningkatkan azureml-interpret agar menggunakan interpret-community versi 0.12.*
- azureml-mlflow
  - Meningkatkan dokumen pada azureml-mlflow.
  - Menambahkan dukungan untuk registri model AML dengan MLFlow.
- azureml-opendatasets
  - Menambahkan dukungan untuk Python 3.8
- azureml-pipeline-core
  - Dokumentasi PipelineDataset yang diperbarui untuk memperjelas bahwa ini adalah kelas internal.
  - Memperbarui ParallelRunStep untuk menerima beberapa nilai untuk satu argumen, misalnya: "--group_column_names", "Col1", "Col2", "Col3"
  - Menghapus persyaratan passthru_automl_config untuk penggunaan data menengah dengan AutoMLStep di Alur.
- azureml-pipeline-steps
  - Meningkatkan dokumen pada paket azureml-pipeline-steps.
  - Menghapus persyaratan passthru_automl_config untuk penggunaan data menengah dengan AutoMLStep di Alur.
- azureml-telemetry
  - Meningkatkan dokumen pada azureml-telemetry.
- azureml-train-automl-client
  - Memperbaiki bug di mana experiment.submit() dipanggil dua kali pada objek AutoMLConfig, yang menghasilkan perilaku yang berbeda.
  - Pengguna sekarang dapat mengaktifkan perulangan stack ensemble untuk tugas Rangkaian waktu dengan peringatan bahwa tindakan ini memiliki potensi overfit.
  - Mengubah perilaku eksekusi AutoML untuk menampilkan UserErrorException jika layanan mengembalikan kesalahan pengguna
  - Memperbaiki bug yang menyebabkan azureml_automl.log tidak dibuat atau menjadi log yang hilang saat melakukan eksperimen AutoML pada target komputasi jarak jauh.
  - Untuk himpunan data Klasifikasi dengan kelas yang tidak seimbang, kami menerapkan Weight Balancing, jika sweeper fitur menentukan bahwa untuk data sub-sampel, Weight Balancing meningkatkan performa tugas klasifikasi dengan ambang tertentu.
  - Eksekusi AutoML sekarang ditandai sebagai eksekusi anak dari Langkah Eksekusi Paralel.
- azureml-train-automl-runtime
  - Mengubah perilaku eksekusi AutoML untuk menampilkan UserErrorException jika layanan mengembalikan kesalahan pengguna
  - Eksekusi AutoML sekarang ditandai sebagai eksekusi anak dari Langkah Eksekusi Paralel.

2020-06-08

Azure Machine Learning SDK untuk Python v1.7.0

Perbaikan bug dan peningkatan
- azure-cli-ml
  - Menyelesaikan penghapusan pembuatan profil model dari mir contrib dengan membersihkan perintah CLI dan dependensi paket, Pembuatan profil model tersedia dalam inti.
  - Meningkatkan versi min Azure CLI ke 2.3.0
- azureml-automl-core
  - Pesan pengecualian yang lebih baik pada fit_transform() langkah fiturisasi karena parameter pentransformasi kustom.
  - Menambahkan dukungan untuk beberapa bahasa untuk model pentransformasi pembelajaran mendalam seperti BERT di ML otomatis.
  - Menghapus parameter lag_length yang tidak digunakan lagi dari dokumentasi.
  - Dokumentasi parameter prakiraan ditingkatkan. Parameter lag_length sudah tidak digunakan lagi.
- azureml-automl-runtime
  - Memperbaiki kesalahan yang ditampilkan saat salah satu kolom kategoris kosong dalam prakiraan/waktu pengujian.
  - Memperbaiki kegagalan eksekusi yang terjadi ketika fitur lookback diaktifkan dan data berisi grain pendek.
  - Memperbaiki masalah dengan pesan kesalahan indeks waktu duplikat ketika lag atau jendela bergulir diatur ke 'auto'.
  - Memperbaiki masalah terkait model Prophet dan Arima pada himpunan data, yang berisi fitur lookback.
  - Menambahkan dukungan tanggal sebelum 21-09-1677 atau setelah 11-04-2262 di kolom selain waktu tanggal dalam tugas prakiraan. Meningkatkan pesan kesalahan.
  - Dokumentasi parameter prakiraan ditingkatkan. Parameter lag_length sudah tidak digunakan lagi.
  - Pesan pengecualian yang lebih baik pada fit_transform() langkah fiturisasi karena parameter pentransformasi kustom.
  - Menambahkan dukungan untuk beberapa bahasa untuk model pentransformasi pembelajaran mendalam seperti BERT di ML otomatis.
  - Operasi cache yang mengakibatkan beberapa OSErrors menimbulkan kesalahan pengguna.
  - Menambahkan pemeriksaan untuk memastikan data pelatihan dan validasi memiliki jumlah dan rangkaian kolom yang sama
  - Memperbaiki masalah skrip penilaian AutoML yang dihasilkan secara otomatis saat data berisi tanda kutip
  - Mengaktifkan penjelasan untuk AutoML Prophet dan model ansambel yang berisi model Nabi.
  - Masalah pelanggan baru-baru ini mengungkapkan bug situs langsung di mana kami mencatat pesan di sepanjang Class-Balancing-Sweeping bahkan ketika logika Class Balancing tidak diaktifkan dengan benar. Menghapus log/pesan tersebut dengan PR ini.
- azureml-cli-common
  - Menyelesaikan penghapusan pembuatan profil model dari mir contrib dengan membersihkan perintah CLI dan dependensi paket, Pembuatan profil model tersedia dalam inti.
- azureml-contrib-reinforcementlearning
  - Alat pengujian beban
- azureml-core
  - Perubahan dokumentasi pada Script_run_config.py
  - Memperbaiki bug dengan mencetak output eksekusi submit-pipeline CLI
  - Meningkatkan dokumentasi untuk azureml-core/azureml.data
  - Memperbaiki masalah mengambil akun penyimpanan menggunakan perintah hdfs getconf
  - Dokumentasi register_azure_blob_container dan register_azure_file_share yang disempurnakan
- azureml-datadrift
  - Meningkatkan implementasi untuk menonaktifkan dan mengaktifkan monitor penyimpangan himpunan data
- azureml-interpret
  - Dalam klien penjelasan, menghapus NaN atau Infs sebelum serialisasi json pada unggahan dari artefak
  - Memperbarui ke versi terbaru interpret-community untuk mengurangi kesalahan memori untuk penjelasan global dengan banyak fitur dan kelas
  - Menambahkan parameter opsional true_ys ke unggahan penjelasan untuk mengaktifkan lebih banyak fitur di antarmuka pengguna studio
  - Meningkatkan performa download_model_explanations() dan list_model_explanations()
  - Penyesuaian kecil pada notebook, untuk membantu penelusuran kesalahan
- azureml-opendatasets
  - azureml-opendatasets membutuhkan azureml-dataprep versi 1.4.0 atau yang lebih tinggi. Menambahkan peringatan jika versi yang lebih rendah terdeteksi
- azureml-pipeline-core
  - Perubahan ini memungkinkan pengguna untuk menyediakan runconfig opsional ke modulVersion saat memanggil modul. Publish_python_script.
  - Aktifkan akun simpul dapat berupa parameter alur di ParallelRunStep di azureml.pipeline.steps
- azureml-pipeline-steps
  - Perubahan ini memungkinkan pengguna untuk menyediakan runconfig opsional ke modulVersion saat memanggil modul. Publish_python_script.
- azureml-train-automl-client
  - Menambahkan dukungan untuk beberapa bahasa untuk model pentransformasi pembelajaran mendalam seperti BERT di ML otomatis.
  - Menghapus parameter lag_length yang tidak digunakan lagi dari dokumentasi.
  - Dokumentasi parameter prakiraan ditingkatkan. Parameter lag_length sudah tidak digunakan lagi.
- azureml-train-automl-runtime
  - Mengaktifkan penjelasan untuk AutoML Prophet dan model ansambel yang berisi model Nabi.
  - Memperbarui dokumentasi pada paket azureml-train-automl-*.
- azureml-train-core
  - Mendukung TensorFlow versi 2.1 di PyTorch Estimator
  - Meningkatkan paket azureml-train-core.

2020-05-26

Azure Machine Learning SDK untuk Python v1.6.0

Fitur baru
- azureml-automl-runtime
  - AutoML Forecasting sekarang mendukung prakiraan pelanggan di luar cakrawala maks yang telah ditentukan tanpa melatih kembali model. Ketika tujuan prakiraan lebih jauh ke masa depan daripada cakrawala maksimum yang ditentukan, fungsi forecast() masih membuat prediksi titik hingga nanti menggunakan mode operasi rekursif. Untuk ilustrasi fitur baru, lihat bagian "Prakiraan lebih jauh dari horizon maksimum" dari notebook "forecasting-forecast-function" di folder."
- azureml-pipeline-steps
  - ParallelRunStep sekarang dirilis dan merupakan bagian dari paket azureml-pipeline-steps. ParallelRunStep yang ada dalam paket azureml-contrib-pipeline-steps sudah tidak digunakan lagi. Perubahan dari versi pratinjau publik:
    - Menambahkan parameter opsional yang dapat dikonfigurasi run_max_try untuk mengontrol panggilan maks guna mengeksekusi metode untuk batch tertentu, nilai defaultnya adalah 3.
    - Sudah tidak ada PipelineParameters yang dihasilkan secara otomatis lagi. Nilai yang dapat dikonfigurasi berikut dapat diatur sebagai PipelineParameter secara eksplisit.
      - mini_batch_size
      - node_count
      - process_count_per_node
      - logging_level
      - run_invocation_timeout
      - run_max_try
    - Nilai default untuk process_count_per_node diubah menjadi 1. Pengguna harus menyesuaikan nilai ini untuk performa yang lebih baik. Praktik terbaik adalah mengatur sebagai jumlah GPU atau CPU yang dimiliki simpul.
    - ParallelRunStep tidak menyuntikkan paket apa pun, pengguna perlu menyertakan paket azureml-core dan azureml-dataprep[pandas, fuse] dalam definisi lingkungan. Jika gambar docker kustom digunakan dengan user_managed_dependencies, maka pengguna perlu menginstal conda pada gambar.
Perubahan mencolok
- azureml-pipeline-steps
  - Penghentian penggunaan azureml.dprep.Dataflow sebagai jenis input yang valid untuk AutoMLConfig
- azureml-train-automl-client
  - Penghentian penggunaan azureml.dprep.Dataflow sebagai jenis input yang valid untuk AutoMLConfig
Perbaikan bug dan peningkatan
- azureml-automl-core
  - Memperbaiki bug di mana peringatan dapat dicetak saat get_output yang meminta pengguna untuk menurunkan tingkat klien.
  - Mac diperbarui agar mengandalkan cudatoolkit=9.0 karena belum tersedia pada versi 10.
  - Menghapus pembatasan pada model prophet dan xgboost ketika dilatih pada komputasi jarak jauh.
  - Pengelogan yang disempurnakan di AutoML
  - Penanganan kesalahan untuk fiturisasi kustom dalam tugas prakiraan ditingkatkan.
  - Menambahkan fungsionalitas untuk memungkinkan pengguna menyertakan fitur lag agar menghasilkan prakiraan.
  - Memperbarui pesan kesalahan untuk menampilkan kesalahan pengguna dengan benar.
  - Dukungan untuk cv_split_column_names agar digunakan dengan training_data
  - Memperbarui pengelogan pesan pengecualian dan traceback.
- azureml-automl-runtime
  - Mengaktifkan pagar pembatas untuk memprakirakan imputasi nilai yang hilang.
  - Pengelogan yang disempurnakan di AutoML
  - Menambahkan penanganan kesalahan mendetail untuk pengecualian persiapan data
  - Menghapus pembatasan pada model prophet dan xgboost ketika dilatih pada komputasi jarak jauh.
  - azureml-train-automl-runtime dan azureml-automl-runtime telah memperbarui dependensi untuk pytorch, scipy, dan cudatoolkit. kami sekarang mendukung pytorch==1.4.0, scipy>=1.0.0,<=1.3.1, dan cudatoolkit==10.1.243.
  - Penanganan kesalahan untuk fiturisasi kustom dalam tugas prakiraan ditingkatkan.
  - Mekanisme deteksi frekuensi himpunan data prakiraan ditingkatkan.
  - Memperbaiki masalah pelatihan model Prophet pada beberapa himpunan data.
  - Deteksi otomatis horizon maks selama prakiraan ditingkatkan.
  - Menambahkan fungsionalitas untuk memungkinkan pengguna menyertakan fitur lag agar menghasilkan prakiraan.
  - Menambahkan fungsionalitas dalam fungsi prakiraan untuk memungkinkan memberikan prakiraan di luar horizon terlatih tanpa melatih kembali model prakiraan.
  - Dukungan untuk cv_split_column_names agar digunakan dengan training_data
- azureml-contrib-automl-dnn-forecasting
  - Pengelogan yang disempurnakan di AutoML
- azureml-contrib-mir
  - Menambahkan dukungan untuk layanan Windows di ManagedInferencing
  - Menghapus alur kerja MIR lama seperti melampirkan komputasi MIR, kelas SingleModelMirWebservice - Membersihkan pembuatan profil model yang ditempatkan dalam paket contrib-mir
- azureml-contrib-pipeline-steps
  - Perbaikan kecil untuk dukungan YAML
  - ParallelRunStep dirilis ke Ketersediaan Umum - azureml.contrib.pipeline.steps memiliki pemberitahuan penghentian penggunaan dan pindah ke azureml.pipeline.steps
- azureml-contrib-reinforcementlearning
  - Alat Uji beban RL
  - Estimator RL memiliki default cerdas
- azureml-core
  - Menghapus alur kerja MIR lama seperti melampirkan komputasi MIR, kelas SingleModelMirWebservice - Membersihkan pembuatan profil model yang ditempatkan dalam paket contrib-mir
  - Memperbaiki informasi yang diberikan kepada pengguna dalam kegagalan pembuatan profil: menyertakan ID permintaan dan menulis ulang pesan agar lebih bermakna. Menambahkan alur kerja pembuatan profil baru ke runner pembuatan profil
  - Meningkatkan teks kesalahan dalam kegagalan eksekusi Himpunan data.
  - Dukungan CLI link privat ruang kerja ditambahkan.
  - Menambahkan parameter opsional invalid_lines ke Dataset.Tabular.from_json_lines_files yang memungkinkan untuk menentukan cara menangani garis yang berisi JSON tidak valid.
  - Kami akan menghentikan penggunaan pembuatan komputasi berbasis eksekusi dalam rilis berikutnya. Sebaiknya buat kluster Amlcompute aktual sebagai target komputasi persisten, dan gunakan nama kluster sebagai target komputasi dalam konfigurasi eksekusi Anda. Lihat contoh notebook di sini: aka.ms/amlcomputenb
  - Meningkatkan pesan kesalahan dalam kegagalan eksekusi Himpunan data.
- azureml-dataprep
  - Menjadikan peringatan untuk meningkatkan versi pyarrow lebih eksplisit.
  - Penanganan kesalahan yang ditingkatkan dan pesan yang dikembalikan dalam kegagalan untuk menjalankan aliran data.
- azureml-interpret
  - Memperbarui dokumentasi pada paket azureml-interpret.
  - Memperbaiki paket interpretabilitas dan notebook agar kompatibel dengan pembaruan sklearn terbaru
- azureml-opendatasets
  - mengembalikan Tidak ada ketika tidak ada data yang dikembalikan.
  - Meningkatkan performa to_pandas_dataframe.
- azureml-pipeline-core
  - Perbaikan singkat untuk ParallelRunStep di mana pemuatan dari YAML rusak
  - ParallelRunStep dirilis ke Ketersediaan Umum - azureml.contrib.pipeline.steps memiliki pemberitahuan penghentian penggunaan dan pindah ke azureml.pipeline.steps - fitur baru meliputi: 1. Himpunan data sebagai PipelineParameter 2. New parameter run_max_retry 3. Nama file output append_row yang dapat dikonfigurasi
- azureml-pipeline-steps
  - Menghentikan penggunaan azureml.dprep.Dataflow yang sebagai jenis yang valid untuk data input.
  - Perbaikan singkat untuk ParallelRunStep di mana pemuatan dari YAML rusak
  - ParallelRunStep dirilis ke Ketersediaan Umum - azureml.contrib.pipeline.steps memiliki pemberitahuan penghentian dan dipindahkan ke azureml.pipeline.steps - fitur baru meliputi:
    - Himpunan data sebagai PipelineParameter
    - New parameter run_max_retry
    - Nama file output append_row yang dapat dikonfigurasi
- azureml-telemetry
  - Memperbarui pengelogan pesan pengecualian dan traceback.
- azureml-train-automl-client
  - Pengelogan yang disempurnakan di AutoML
  - Memperbarui pesan kesalahan untuk menampilkan kesalahan pengguna dengan benar.
  - Dukungan untuk cv_split_column_names agar digunakan dengan training_data
  - Menghentikan penggunaan azureml.dprep.Dataflow yang sebagai jenis yang valid untuk data input.
  - Mac diperbarui agar mengandalkan cudatoolkit=9.0 karena belum tersedia pada versi 10.
  - Menghapus pembatasan pada model prophet dan xgboost ketika dilatih pada komputasi jarak jauh.
  - azureml-train-automl-runtime dan azureml-automl-runtime telah memperbarui dependensi untuk pytorch, scipy, dan cudatoolkit. kami sekarang mendukung pytorch==1.4.0, scipy>=1.0.0,<=1.3.1, dan cudatoolkit==10.1.243.
  - Menambahkan fungsionalitas untuk memungkinkan pengguna menyertakan fitur lag agar menghasilkan prakiraan.
- azureml-train-automl-runtime
  - Pengelogan yang disempurnakan di AutoML
  - Menambahkan penanganan kesalahan mendetail untuk pengecualian persiapan data
  - Menghapus pembatasan pada model prophet dan xgboost ketika dilatih pada komputasi jarak jauh.
  - azureml-train-automl-runtime dan azureml-automl-runtime telah memperbarui dependensi untuk pytorch, scipy, dan cudatoolkit. kami sekarang mendukung pytorch==1.4.0, scipy>=1.0.0,<=1.3.1, dan cudatoolkit==10.1.243.
  - Memperbarui pesan kesalahan untuk menampilkan kesalahan pengguna dengan benar.
  - Dukungan untuk cv_split_column_names agar digunakan dengan training_data
- azureml-train-core
  - Menambahkan sekumpulan pengecualian khusus HyperDrive baru. azureml.train.hyperdrive sekarang memberikan pengecualian terperinci.
- azureml-widgets
  - Widget Pembelajaran Mesin Azure tidak ditampilkan di JupyterLab

2020-05-11

Azure Machine Learning SDK untuk Python v1.5.0

Fitur baru
- Fitur pratinjau
  - azureml-contrib-reinforcementlearning
    - Azure Machine Learning merilis dukungan pratinjau untuk pembelajaran penguatan menggunakan kerangka kerja Ray. ReinforcementLearningEstimator memungkinkan pelatihan agen pembelajaran penguatan di seluruh target komputasi GPU dan CPU di Azure Machine Learning.
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Memperbaiki log peringatan yang tidak sengaja tertinggal di PR saya sebelumnya. Log digunakan untuk penelusuran kesalahan dan secara tidak sengaja tertinggal.
  - Perbaikan bug: memberi tahu klien tentang kegagalan parsial selama pembuatan profil
- azureml-automl-core
  - Mempercepat model Prophet/AutoArima dalam prakiraan AutoML dengan mengaktifkan penyesuaian paralel untuk rangkaian waktu saat himpunan data memiliki beberapa rangkaian waktu. Untuk mendapatkan manfaat dari fitur baru ini, sebaiknya atur "max_cores_per_iteration = -1" (yaitu, menggunakan semua inti cpu yang tersedia) di AutoMLConfig.
  - Memperbaiki KeyError pada pagar pembatas pencetakan di antarmuka konsol
  - Memperbaiki pesan kesalahan untuk experimentation_timeout_hours
  - Model Tensorflow untuk AutoML tidak digunakan lagi.
- azureml-automl-runtime
  - Memperbaiki pesan kesalahan untuk experimentation_timeout_hours
  - Memperbaiki pengecualian yang tidak diklasifikasikan ketika mencoba untuk mendeserialisasi dari penyimpanan cache
  - Mempercepat model Prophet/AutoArima dalam prakiraan AutoML dengan mengaktifkan penyesuaian paralel untuk rangkaian waktu saat himpunan data memiliki beberapa rangkaian waktu.
  - Memperbaiki prakiraan dengan jendela bergulir yang diaktifkan pada himpunan data di mana kumpulan pengujian/prediksi tidak berisi salah satu grain dari kumpulan pelatihan.
  - Meningkatkan penanganan data yang hilang
  - Memperbaiki masalah interval prediksi selama prakiraan pada himpunan data, yang berisi rangkaian waktu, yang tidak diselaraskan tepat waktu.
  - Menambahkan validasi bentuk data yang lebih baik untuk tugas prakiraan.
  - Meningkatkan deteksi frekuensi.
  - Membuat pesan kesalahan yang lebih baik jika lipatan validasi silang untuk tugas prakiraan tidak dapat dibuat.
  - Memperbaiki antarmuka konsol untuk mencetak pagar pembatas nilai yang tidak ada dengan benar.
  - Memberlakukan pemeriksaan jenis data pada input cv_split_indices di AutoMLConfig.
- azureml-cli-common
  - Perbaikan bug: memberi tahu klien tentang kegagalan parsial selama pembuatan profil
- azureml-contrib-mir
  - Menambahkan kelas azureml.contrib.mir.RevisionStatus, yang menyampaikan informasi tentang revisi MIR yang saat ini disebarkan dan versi terbaru yang ditentukan oleh pengguna. Kelas ini termasuk dalam objek MirWebservice di bawah atribut 'deployment_status'.
  - Memungkinkan pembaruan pada Layanan Web jenis MirWebservice dan SingleModelMirWebservice kelas anaknya.
- azureml-contrib-reinforcementlearning
  - Menambahkan dukungan untuk Ray 0.8.3
  - AmlWindowsCompute hanya mendukung Azure Files sebagai penyimpanan yang dipasang
  - Mengganti nama health_check_timeout menjadi health_check_timeout_seconds
  - Memperbaiki beberapa deskripsi kelas/metode.
- azureml-core
  - Mengaktifkan WASB -> Konversi blob di cloud Azure Government dan Tiongkok.
  - Memperbaiki bug untuk memungkinkan peran Pembaca menggunakan perintah CLI eksekusi az ml untuk mendapatkan informasi eksekusi
  - Menghapus pengelogan yang tidak perlu selama Azure Pembelajaran Mesin Remote Runs dengan Himpunan Data input.
  - RCranPackage sekarang mendukung parameter "versi" untuk versi paket CRAN.
  - Perbaikan bug: memberi tahu klien tentang kegagalan parsial selama pembuatan profil
  - Menambahkan penanganan float gaya Eropa untuk azureml-core.
  - Mengaktifkan fitur tautan privat ruang kerja di Azure Pembelajaran Mesin sdk.
  - Saat membuat TabularDataset menggunakan from_delimited_files, Anda dapat menentukan apakah nilai kosong harus dimuat sebagai Tidak ada atau sebagai string kosong dengan mengatur empty_as_string argumen boolean.
  - Menambahkan penanganan float gaya Eropa untuk himpunan data.
  - Meningkatkan pesan kesalahan pada kegagalan pemasangan himpunan data.
- azureml-datadrift
  - Kueri hasil Penyimpangan Data dari SDK memiliki bug yang tidak membedakan metrik fitur minimum, maksimum, dan rata-rata, yang menghasilkan nilai duplikat. Kami telah memperbaiki bug ini dengan memberi awalan target atau dasar untuk nama metrik. Sebelum: duplicate min, max, mean. Setelah: target_min, target_max, target_mean, baseline_min, baseline_max, baseline_mean.
- azureml-dataprep
  - Tingkatkan penanganan lingkungan Python tulis terbatas saat memastikan Dependensi .NET diperlukan untuk pengiriman data.
  - Memperbaiki pembuatan Aliran data pada file dengan rekaman kosong di awalnya.
  - Menambahkan opsi penanganan kesalahan untuk to_partition_iterator mirip dengan to_pandas_dataframe.
- azureml-interpret
  - Mengurangi batas panjang jalur penjelasan untuk mengurangi kemungkinan melewati batas Windows
  - Perbaikan bug untuk penjelasan ringan yang dibuat dengan peniru pemberi penjelasan menggunakan model pengganti linear.
- azureml-opendatasets
  - Memperbaiki masalah kolom MNIST diurai sebagai string, yang seharusnya int.
- azureml-pipeline-core
  - Mengizinkan opsi untuk regenerate_outputs saat menggunakan modul yang disematkan di ModuleStep.
- azureml-train-automl-client
  - Model TensorFlow untuk AutoML tidak digunakan lagi.
  - Memperbaiki pengguna memperbolehkan mencantumkan algoritma yang tidak didukung dalam mode lokal
  - Perbaikan dokumen pada AutoMLConfig.
  - Memberlakukan pemeriksaan jenis data pada input cv_split_indices di AutoMLConfig.
  - Memperbaiki masalah eksekusi AutoML gagal dalam show_output
- azureml-train-automl-runtime
  - Memperbaiki bug dalam perulangan Ensemble yang mencegah batas waktu pengunduhan model berhasil berlaku.
- azureml-train-core
  - Memperbaiki kesalahan ketik di kelas azureml.train.dnn.Nccl.
  - Mendukung PyTorch versi 1.5 di PyTorch Estimator
  - Memperbaiki masalah citra kerangka kerja tidak dapat diambil di wilayah Azure Government saat menggunakan estimator kerangka kerja pelatihan

2020-05-04

New Notebook Experience

Sekarang Anda dapat membuat, mengedit, dan berbagi notebook dan file pembelajaran mesin langsung di dalam pengalaman web studio Azure Machine Learning. Anda dapat menggunakan semua kelas dan metode yang tersedia di SDK Azure Machine Learning Python dari dalam notebook ini. Untuk memulai, kunjungi artikel Jalankan Jupyter Notebooks di ruang kerja Anda.

Fitur Baru yang Diperkenalkan:

Editor yang disempurnakan (editor Monako) yang digunakan oleh Visual Studio Code
Peningkatan Antarmuka Pengguna/UX
Toolbar Sel
Toolbar Notebook baru dan Kontrol Komputasi
Bilah Status Notebook
Pengalihan Kernel Sebaris
Dukungan R
Meningkatkan Aksesibilitas dan Pelokalan
Palet Perintah
Pintasan Keyboard Lainnya
Simpan otomatis
Meningkatkan performa dan keandalan

Akses alat penyusunan tulisan berbasis web berikut ini dari studio:

Alat berbasis web	Deskripsi
Notebook Azure Pembelajaran Mesin Studio	Penulisan pertama di kelasnya untuk file notebook dan mendukung semua operasi yang tersedia di Azure Pembelajaran Mesin Python SDK.

2020-04-27

Azure Machine Learning SDK untuk Python v1.4.0

Fitur baru
- Kluster AmlCompute sekarang mendukung penyiapan identitas terkelola pada kluster pada saat provisi. Cukup tentukan apakah Anda ingin menggunakan identitas yang ditetapkan sistem atau identitas yang ditetapkan pengguna, dan teruskan identityId untuk identitas yang ditetapkan pengguna. Anda kemudian dapat menyiapkan izin untuk mengakses berbagai sumber daya seperti Penyimpanan atau ACR dengan cara yang mana identitas komputasi digunakan untuk mengakses data dengan aman, alih-alih pendekatan berbasis token yang digunakan AmlCompute saat ini. Lihat referensi SDK kami untuk informasi lebih lanjut terkait parameter.
Perubahan mencolok
- Kluster AmlCompute mendukung fitur Pratinjau seputar pembuatan berbasis eksekusi, yang rencananya akan kami hentikan penggunaannya dalam dua minggu. Anda dapat terus membuat target komputasi persisten seperti biasa dengan menggunakan kelas Amlcompute, tetapi pendekatan khusus untuk menentukan pengidentifikasi "amlcompute" karena target komputasi dalam konfigurasi eksekusi tidak akan segera didukung.
Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - Mengaktifkan dukungan untuk jenis yang tidak dapat di-hash saat menghitung jumlah nilai unik dalam kolom.
- azureml-core
  - Meningkatkan stabilitas saat membaca dari Azure Blob Storage menggunakan TabularDataset.
  - Meningkatkan dokumentasi untuk parameter grant_workspace_msi untuk Datastore.register_azure_blob_store.
  - Memperbaiki bug dengan datastore.upload untuk mendukung argumen src_dir yang diakhiri dengan / atau \.
  - Menambahkan pesan kesalahan yang dapat ditindaklanjuti saat mencoba mengunggah ke datastore Azure Blob Storage yang tidak memiliki kunci akses atau token SAS.
- azureml-interpret
  - Menambahkan batas atas ke ukuran file untuk data visualisasi pada penjelasan yang diunggah.
- azureml-train-automl-client
  - Secara eksplisit memeriksa parameter label_column_name & weight_column_name untuk AutoMLConfig agar berupa jenis string.
- azureml-contrib-pipeline-steps
  - ParallelRunStep sekarang mendukung himpunan data sebagai parameter alur. Pengguna dapat membuat alur dengan contoh himpunan data sampel dan dapat mengubah input himpunan data yang memiliki jenis yang sama (file atau tabular) untuk alur eksekusi baru.

2020-04-13

Azure Machine Learning SDK untuk Python v1.3.0

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Menambahkan lebih banyak telemetri sekeliling operasi pasca-pelatihan.
  - Mempercepat pelatihan ARIMA otomatis dengan menggunakan pelatihan jumlah kuadrat kondisional (CSS) untuk rangkaian panjang yang lebih dari 100. Panjang yang digunakan disimpan sebagai ARIMA_TRIGGER_CSS_TRAINING_LENGTH konstanta dalam kelas TimeSeriesInternal di /src/azureml-automl-core/azureml/automl/core/shared/constants.py
  - Pengelogan pengguna dari eksekusi prakiraan ditingkatkan, sekarang informasi lebih lanjut tentang fase apa yang saat ini berjalan ditampilkan di log
  - Tidak mengizinkan target_rolling_window_size diatur ke nilai yang kurang dari 2
- azureml-automl-runtime
  - Memperbaiki pesan kesalahan yang diperlihatkan ketika ditemukan tanda waktu duplikat.
  - Tidak mengizinkan target_rolling_window_size untuk diatur ke nilai yang kurang dari 2.
  - Memperbaiki kegagalan imputasi lag. Masalah ini disebabkan oleh jumlah observasi yang tidak mencukupi yang diperlukan untuk menguraikan rangkaian secara musiman. Data "de-seasonalized" digunakan untuk mengkomputasi fungsi korelasi otomatis parsial (PACF) untuk menentukan panjang lag.
  - Mengaktifkan kustomisasi fiturisasi tujuan kolom untuk tugas prakiraan dengan konfigurasi fiturisasi. Numerik dan Kategoris sebagai tujuan kolom untuk tugas prakiraan sekarang didukung.
  - Mengaktifkan kustomisasi fiturisasi kolom drop untuk tugas prakiraan dengan memfiturisasi konfigurasi.
  - Mengaktifkan kustomisasi imputasi untuk tugas prakiraan dengan memfiturisasi konfigurasi. Imputasi nilai konstan untuk kolom target dan imputasi nilai mean, median, most_frequent, and constant untuk data pelatihan kini didukung.
- azureml-contrib-pipeline-steps
  - Menerima nama komputasi string yang akan diteruskan ke ParallelRunConfig
- azureml-core
  - Menambahkan API Environment.clone(new_name) untuk membuat salinan objek Environment
  - Environment.docker.base_dockerfile menerima filepath. Jika dapat menyelesaikan file, konten dibaca ke properti lingkungan base_dockerfile
  - Mereset nilai yang saling eksklusif secara otomatis untuk base_image dan base_dockerfile saat pengguna secara manual mengatur nilai di Environment.docker
  - Menambahkan bendera user_managed di RSection yang menunjukkan apakah lingkungan dikelola oleh pengguna atau oleh Azure Pembelajaran Mesin.
  - Himpunan data: Memperbaiki kegagalan pengunduhan himpunan data jika jalur data berisi karakter unicode.
  - Himpunan data: Meningkatkan mekanisme penembolokan pemasangan himpunan data untuk menaati persyaratan ruang disk minimum di Azure Machine Learning Compute, yang menghindari membuat simpul tidak dapat digunakan dan menyebabkan pekerjaan dibatalkan.
  - Himpunan data: Kami menambahkan indeks untuk kolom rangkaian waktu saat Anda mengakses himpunan data rangkaian waktu sebagai kerangka data panda, yang digunakan untuk mempercepat akses ke akses data berbasis rangkaian waktu. Sebelumnya, indeks diberi nama yang sama dengan kolom tanda waktu, membuat pengguna bingung mana yang merupakan kolom tanda waktu aktual dan mana yang merupakan indeks. Kami sekarang tidak memberikan nama spesifik apa pun ke indeks karena indeks tidak boleh digunakan sebagai kolom.
  - Himpunan data: Memperbaiki masalah autentikasi himpunan data di sovereign cloud.
  - Himpunan data: Memperbaiki kegagalan Dataset.to_spark_dataframe untuk himpunan data yang dibuat dari datastore Azure PostgreSQL.
- azureml-interpret
  - Menambahkan skor global ke visualisasi jika nilai kepentingan lokal ringan
  - Memperbarui azureml-interpret agar menggunakan interpret-community 0.9.*
  - Memperbaiki masalah pengunduhan penjelasan yang memiliki data evaluasi ringan
  - Menambahkan dukungan format ringan dari objek penjelasan di AutoML
- azureml-pipeline-core
  - Mendukung ComputeInstance sebagai target komputasi dalam alur
- azureml-train-automl-client
  - Menambahkan lebih banyak telemetri sekeliling operasi pasca-pelatihan.
  - Memperbaiki regresi di pemberhentian awal
  - Menghentikan penggunaan azureml.dprep.Dataflow yang sebagai jenis yang valid untuk data input.
  - Mengubah batas waktu eksperimen AutoML default menjadi enam hari.
- azureml-train-automl-runtime
  - Menambahkan lebih banyak telemetri sekeliling operasi pasca-pelatihan.
  - menambahkan dukungan menyeluruh AutoML ringan
- azureml-opendatasets
  - Menambahkan telemetri lain untuk pemantauan layanan.
  - Mengaktifkan front door untuk blob guna meningkatkan stabilitas

2020-03-23

Azure Machine Learning SDK untuk Python v1.2.0

Perubahan mencolok
- Menghentikan dukungan untuk python 2.7
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Menambahkan "--subscription-id" ke perintah az ml model/computetarget/service di CLI
  - Menambahkan dukungan untuk meneruskan vault_url, key_name, dan key_version kunci yang dikelola pelanggan (CMK) untuk penyebaran ACI
- azureml-automl-core
  - Mengaktifkan imputasi yang dikustomisasi dengan nilai konstan untuk tugas prakiraan data X dan y.
  - Memperbaiki masalah dengan menampilkan pesan kesalahan kepada pengguna.
- azureml-automl-runtime
  - Memperbaiki masalah prakiraan pada himpunan data, yang berisi grain hanya dengan satu baris
  - Mengurangi jumlah memori yang diperlukan oleh tugas prakiraan.
  - Menambahkan pesan kesalahan yang lebih baik jika kolom waktu memiliki format yang salah.
  - Mengaktifkan imputasi yang dikustomisasi dengan nilai konstan untuk tugas prakiraan data X dan y.
- azureml-core
  - Menambahkan dukungan untuk memuat ServicePrincipal dari variabel lingkungan: AZUREML_SERVICE_PRINCIPAL_ID, AZUREML_SERVICE_PRINCIPAL_TENANT_ID, dan AZUREML_SERVICE_PRINCIPAL_PASSWORD
  - Memperkenalkan support_multi_line parameter baru ke Dataset.Tabular.from_delimited_files: Secara default (support_multi_line=False), semua ganti baris, termasuk yang ada di nilai bidang yang dikutip, akan diinterpretasikan sebagai pemisah rekaman. Membaca data dengan cara ini lebih cepat dan lebih dioptimalkan untuk eksekusi bersamaan pada beberapa inti CPU. Namun, ini dapat mengakibatkan diam-diam menghasilkan lebih banyak rekaman dengan nilai bidang yang tidak sejajar. Ini harus diatur ke True ketika file yang dibatasi diketahui berisi ganti baris yang dikutip.
  - Menambahkan kemampuan untuk mendaftarkan ADLS Gen2 di Azure Machine Learning CLI
  - Mengganti nama parameter 'fine_grain_timestamp' menjadi 'timestamp' dan parameter 'coarse_grain_timestamp' menjadi 'partition_timestamp' untuk metode with_timestamp_columns() di TabularDataset untuk lebih mencerminkan penggunaan parameter.
  - Meningkatkan panjang nama eksperimen maksimal menjadi 255.
- azureml-interpret
  - Memperbarui azureml-interpret ke interpret-komunitas 0.7.*
- azureml-sdk
  - Mengubah dependensi dengan versi Tilde yang kompatibel untuk dukungan patch dalam rilis pra-rilis dan stabil.

2020-03-11

Azure Machine Learning SDK untuk Python v1.1.5

Penghentian penggunaan fitur
- Python 2.7
  - Versi terakhir yang mendukung Python 2.7
Perubahan mencolok
- Semantic Versioning 2.0.0
  - Dimulai dengan Versi 1.1 Azure Pembelajaran Mesin Python SDK mengadopsi Semantic Versioning 2.0.0. Semua versi berikutnya mengikuti skema penomoran baru dan kontrak penerapan versi semantik.
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Mengubah nama perintah CLI titik akhir dari 'az ml endpoint aks' menjadi 'az ml endpoint real time' untuk konsistensi.
  - memperbarui instruksi penginstalan CLI untuk CLI cabang yang stabil dan eksperimental
  - Pembuatan profil instans tunggal diperbaiki untuk menghasilkan rekomendasi dan disediakan dalam sdk inti.
- azureml-automl-core
  - Mengaktifkan inferensi mode Batch (mengambil beberapa baris sekaligus) untuk model AutoML ONNX
  - Meningkatkan deteksi frekuensi pada himpunan data, kurang data atau berisi poin data yang tidak teratur
  - Menambahkan kemampuan untuk menghapus poin data yang tidak sesuai dengan frekuensi dominan.
  - Mengubah input konstruktor untuk mengambil daftar opsi guna menerapkan opsi imputasi untuk kolom terkait.
  - Pengelogan galat telah ditingkatkan.
- azureml-automl-runtime
  - Memperbaiki masalah kesalahan yang ditampilkan jika grain yang tidak ada dalam set pelatihan muncul di set pengujian
  - Menghapus persyaratan y_query selama penilaian pada layanan prakiraan
  - Memperbaiki masalah prakiraan ketika himpunan data berisi grain pendek dengan jeda waktu yang lama.
  - Memperbaiki masalah saat horizon maks otomatis diaktifkan dan kolom tanggal berisi tanggal dalam bentuk string. Pesan konversi dan kesalahan yang tepat ditambahkan saat konversi ke tanggal tidak dimungkinkan
  - Menggunakan NumPy dan SciPy native untuk membuat serialisasi dan deserialisasi data menengah untuk FileCacheStore (digunakan untuk eksekusi AutoML lokal)
  - Memperbaiki bug di mana eksekusi anak yang gagal bisa terjebak dalam status Berjalan.
  - Meningkatkan kecepatan fiturisasi.
  - Memperbaiki pemeriksaan frekuensi selama penilaian, sekarang tugas prakiraan tidak mengharuskan kesetaraan frekuensi yang ketat antara set pelatihan dan pengujian.
  - Mengubah input konstruktor untuk mengambil daftar opsi guna menerapkan opsi imputasi untuk kolom terkait.
  - Memperbaiki kesalahan terkait pemilihan jenis lag.
  - Memperbaiki kesalahan yang tidak diklasifikasikan yang ditampilkan pada himpunan data, memiliki grain dengan satu baris
  - Memperbaiki masalah kelambatan deteksi frekuensi.
  - Memperbaiki bug dalam penanganan pengecualian AutoML yang menyebabkan alasan kegagalan pelatihan yang sebenarnya digantikan oleh AttributeError.
- azureml-cli-common
  - Pembuatan profil instans tunggal diperbaiki untuk menghasilkan rekomendasi dan disediakan dalam sdk inti.
- azureml-contrib-mir
  - Menambahkan fungsionalitas di kelas MirWebservice untuk mengambil Token Akses
  - Menggunakan autentikasi token untuk MirWebservice secara default selama panggilan MirWebservice.run() - Hanya refresh jika panggilan gagal
  - Penyebaran layanan web Mir sekarang memerlukan Skus yang tepat [Standard_DS2_v2, Standard_F16, Standard_A2_v2] alih-alih [Ds2v2, A2v2, dan F16] masing-masing.
- azureml-contrib-pipeline-steps
  - Parameter opsional side_inputs ditambahkan ke ParallelRunStep. Parameter ini dapat digunakan untuk memasang folder pada kontainer. Jenis yang saat ini didukung adalah DataReference dan PipelineData.
  - Sekarang parameter yang diteruskan di ParallelRunConfig dapat ditimpa dengan meneruskan parameter alur. Parameter alur baru yang didukung aml_mini_batch_size, aml_error_threshold, aml_logging_level, aml_run_invocation_timeout (aml_node_count dan aml_process_count_per_node sudah menjadi bagian dari rilis sebelumnya).
- azureml-core
  - Azure Pembelajaran Mesin Webservices yang disebarkan sekarang default untuk INFO pengelogan. Ini dapat dikontrol dengan mengatur variabel lingkungan AZUREML_LOG_LEVEL dalam layanan yang disebarkan.
  - Python sdk menggunakan layanan penemuan untuk menggunakan titik akhir 'api' alih-alih 'pipelines'.
  - Menukar ke rute baru di semua panggilan SDK.
  - Mengubah perutean panggilan ke ModelManagementService ke struktur terpadu baru.
    - Membuat metode pembaruan ruang kerja tersedia untuk umum.
    - Menambahkan parameter image_build_compute dalam metode pembaruan ruang kerja untuk memungkinkan pengguna memperbarui komputasi build citra.
  - Menambahkan pesan penghentian penggunaan ke alur kerja pembuatan profil lama. Memperbaiki batas pembuatan profil cpu dan memori.
  - Menambahkan RSection sebagai bagian dari Environment untuk mengeksekusi pekerjaan R.
  - Menambahkan validasi ke Dataset.mount untuk menampilkan kesalahan ketika sumber himpunan data tidak dapat diakses atau tidak berisi data apa pun.
  - Ditambahkan --grant-workspace-msi-access sebagai parameter lain untuk Datastore CLI untuk mendaftarkan Azure Blob Container yang memungkinkan Anda mendaftarkan Kontainer Blob yang berada di belakang VNet.
  - Pembuatan profil instans tunggal diperbaiki untuk menghasilkan rekomendasi dan disediakan dalam sdk inti.
  - Memperbaiki masalah dalam aks.py _deploy.
  - Memvalidasi integritas model yang diunggah untuk menghindari kegagalan penyimpanan diam.
  - Pengguna sekarang dapat menentukan nilai untuk kunci autentikasi saat membuat ulang kunci untuk layanan web.
  - Memperbaiki bug di mana huruf besar tidak dapat digunakan sebagai nama input himpunan data.
- azureml-defaults
  - azureml-dataprep sekarang akan dipasang sebagai bagian dari azureml-defaults. Sudah tidak lagi diharuskan memasang persiapan data [fuse] secara manual pada target komputasi untuk memasang himpunan data.
- azureml-interpret
  - Memperbarui azureml-interpret ke interpret-community 0.6.*
  - Memperbarui azureml-interpret agar bergantung pada interpret-community 0.5.0
  - Menambahkan pengecualian azureml-style ke azureml-interpret
  - Memperbaiki serialisasi DeepScoringExplainer untuk model keras
- azureml-mlflow
  - Menambahkan dukungan untuk sovereign cloud ke azureml.mlflow
- azureml-pipeline-core
  - Notebook penilaian batch alur sekarang menggunakan ParallelRunStep
  - Memperbaiki bug di mana hasil PythonScriptStep dapat salah digunakan kembali meskipun telah mengubah daftar argumen
  - Menambahkan kemampuan untuk mengatur jenis kolom saat memanggil metode parse_* pada PipelineOutputFileDataset
- azureml-pipeline-steps
  - Memindahkan AutoMLStep ke paket azureml-pipeline-steps. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.
  - Menambahkan contoh dokumentasi untuk himpunan data sebagai input PythonScriptStep
- azureml-tensorboard
  - Memperbarui azureml-tensorboard untuk mendukung tensorflow 2.0
  - Menampilkan nomor port yang benar saat menggunakan port TensorBoard kustom pada Instans Azure Compute
- azureml-train-automl-client
  - Memperbaiki masalah di mana paket tertentu mungkin dipasang pada versi yang salah pada eksekusi jarak jauh.
  - memperbaiki masalah penimpaan FeaturizationConfig yang memfilter konfigurasi fiturisasi kustom.
- azureml-train-automl-runtime
  - Memperbaiki masalah deteksi frekuensi di eksekusi jarak jauh
  - Memindahkan AutoMLStep dalam paket azureml-pipeline-steps. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.
- azureml-train-core
  - Mendukung PyTorch versi 1.4 di PyTorch Estimator

2020-03-02

Azure Machine Learning SDK untuk Python v1.1.2rc0 (Pra-rilis)

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Mengaktifkan inferensi mode Batch (mengambil beberapa baris sekaligus) untuk model AutoML ONNX
  - Meningkatkan deteksi frekuensi pada himpunan data, kurang data atau berisi poin data yang tidak teratur
  - Menambahkan kemampuan untuk menghapus poin data yang tidak sesuai dengan frekuensi dominan.
- azureml-automl-runtime
  - Memperbaiki masalah kesalahan yang ditampilkan jika grain yang tidak ada dalam set pelatihan muncul di set pengujian
  - Menghapus persyaratan y_query selama penilaian pada layanan prakiraan
- azureml-contrib-mir
  - Menambahkan fungsionalitas di kelas MirWebservice untuk mengambil Token Akses
- azureml-core
  - Azure Pembelajaran Mesin Webservices yang disebarkan sekarang default untuk INFO pengelogan. Ini dapat dikontrol dengan mengatur variabel lingkungan AZUREML_LOG_LEVEL dalam layanan yang disebarkan.
  - Memperbaiki perulangan pada Dataset.get_all untuk mengembalikan semua himpunan data yang terdaftar di ruang kerja.
  - Meningkatkan pesan kesalahan saat jenis tidak valid diteruskan ke argumen path API pembuatan himpunan data.
  - Python sdk menggunakan layanan penemuan untuk menggunakan titik akhir 'api' alih-alih 'pipelines'.
  - Menukar ke rute baru di semua panggilan SDK
  - Mengubah perutean panggilan ke ModelManagementService ke struktur terpadu baru
    - Membuat metode pembaruan ruang kerja tersedia untuk umum.
    - Menambahkan parameter image_build_compute dalam metode pembaruan ruang kerja untuk memungkinkan pengguna memperbarui komputasi untuk build citra
  - Menambahkan pesan penghentian penggunaan ke alur kerja pembuatan profil lama. Memperbaiki batas pembuatan profil cpu dan memori
- azureml-interpret
  - memperbarui azureml-interpret ke interpret-community 0.6.*
- azureml-mlflow
  - Menambahkan dukungan untuk sovereign cloud ke azureml.mlflow
- azureml-pipeline-steps
  - Memindahkan AutoMLStep ke azureml-pipeline-steps package. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.
- azureml-train-automl-client
  - Memperbaiki masalah di mana paket tertentu mungkin dipasang pada versi yang salah pada eksekusi jarak jauh.
- azureml-train-automl-runtime
  - Memperbaiki masalah deteksi frekuensi di eksekusi jarak jauh
  - Memindahkan AutoMLStep ke azureml-pipeline-steps package. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.
- azureml-train-core
  - Memindahkan AutoMLStep ke azureml-pipeline-steps package. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.

2020-02-18

Azure Machine Learning SDK untuk Python v1.1.1rc0 (Pra-rilis)

Perbaikan bug dan peningkatan
- azure-cli-ml
  - Pembuatan profil instans tunggal diperbaiki untuk menghasilkan rekomendasi dan disediakan dalam sdk inti.
- azureml-automl-core
  - Pengelogan galat telah ditingkatkan.
- azureml-automl-runtime
  - Memperbaiki masalah prakiraan ketika himpunan data berisi grain pendek dengan jeda waktu yang lama.
  - Memperbaiki masalah saat horizon maks otomatis diaktifkan dan kolom tanggal berisi tanggal dalam bentuk string. Kami menambahkan konversi yang tepat dan kesalahan yang masuk akal jika konversi ke tanggal tidak dimungkinkan
  - Menggunakan NumPy dan SciPy native untuk membuat serialisasi dan deserialisasi data menengah untuk FileCacheStore (digunakan untuk eksekusi AutoML lokal)
  - Memperbaiki bug di mana eksekusi anak yang gagal bisa terjebak dalam status Berjalan.
- azureml-cli-common
  - Pembuatan profil instans tunggal diperbaiki untuk menghasilkan rekomendasi dan disediakan dalam sdk inti.
- azureml-core
  - Ditambahkan --grant-workspace-msi-access sebagai parameter lain untuk Datastore CLI untuk mendaftarkan Azure Blob Container yang memungkinkan Anda mendaftarkan Kontainer Blob yang berada di belakang VNet
  - Pembuatan profil instans tunggal diperbaiki untuk menghasilkan rekomendasi dan disediakan dalam sdk inti.
  - Memperbaiki masalah dalam aks.py _deploy
  - Memvalidasi integritas model yang diunggah untuk menghindari kegagalan penyimpanan diam.
- azureml-interpret
  - menambahkan pengecualian azureml-style ke azureml-interpret
  - memperbaiki serialisasi deepScoringExplainer untuk model keras
- azureml-pipeline-core
  - Notebook penilaian batch alur sekarang menggunakan ParallelRunStep
- azureml-pipeline-steps
  - Memindahkan AutoMLStep dalam paket azureml-pipeline-steps. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.
- azureml-contrib-pipeline-steps
  - Parameter opsional side_inputs ditambahkan ke ParallelRunStep. Parameter ini dapat digunakan untuk memasang folder pada kontainer. Jenis yang saat ini didukung adalah DataReference dan PipelineData.
- azureml-tensorboard
  - Memperbarui azureml-tensorboard untuk mendukung TensorFlow 2.0
- azureml-train-automl-client
  - Memperbaiki masalah penimpaan FeaturizationConfig yang memfilter konfigurasi fiturisasi kustom.
- azureml-train-automl-runtime
  - Memindahkan AutoMLStep dalam paket azureml-pipeline-steps. Menghentikan penggunaan AutoMLStep dalam azureml-train-automl-runtime.
- azureml-train-core
  - Mendukung PyTorch versi 1.4 di PyTorch Estimator

2020-02-04

Azure Machine Learning SDK untuk Python v1.1.0rc0 (Pra-rilis)

Perubahan mencolok
- Semantic Versioning 2.0.0
  - Dimulai dengan Versi 1.1 Azure Pembelajaran Mesin Python SDK mengadopsi Semantic Versioning 2.0.0. Semua versi berikutnya mengikuti skema penomoran baru dan kontrak penerapan versi semantik.
Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - Meningkatkan kecepatan fiturisasi.
  - Memperbaiki pemeriksaan frekuensi selama penilaian, sekarang dalam tugas prakiraan kami tidak mewajibkan kesetaraan frekuensi yang ketat antara set pelatihan dan pengujian.
- azureml-core
  - Pengguna sekarang dapat menentukan nilai untuk kunci autentikasi saat membuat ulang kunci untuk layanan web.
- azureml-interpret
  - Memperbarui azureml-interpret agar bergantung pada interpret-community 0.5.0
- azureml-pipeline-core
  - Memperbaiki bug di mana hasil PythonScriptStep dapat salah digunakan kembali meskipun telah mengubah daftar argumen
- azureml-pipeline-steps
  - Menambahkan contoh dokumentasi untuk himpunan data sebagai input PythonScriptStep
- azureml-contrib-pipeline-steps
  - Sekarang parameter yang diteruskan di ParallelRunConfig dapat ditimpa dengan meneruskan parameter alur. Parameter alur baru yang didukung aml_mini_batch_size, aml_error_threshold, aml_logging_level, aml_run_invocation_timeout (aml_node_count dan aml_process_count_per_node sudah menjadi bagian dari rilis sebelumnya).

2020-01-21

Azure Machine Learning SDK untuk Python v1.0.85

Fitur baru
- azureml-core
  - Mendapatkan batasan penggunaan dan kuota inti saat ini untuk sumber daya AmlCompute di ruang kerja dan langganan tertentu
- azureml-contrib-pipeline-steps
  - Memungkinkan pengguna untuk meneruskan himpunan data tabular sebagai hasil perantara dari langkah sebelumnya ke parallelrunstep
Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - Menghapus persyaratan kolom y_query dalam permintaan ke layanan prakiraan yang disebarkan.
  - 'y_query' dihapus dari bagian permintaan layanan notebook Orange Juice Dominick.
  - Memperbaiki bug yang mencegah prakiraan pada model yang disebarkan, beroperasi pada himpunan data dengan kolom waktu tanggal.
  - Menambahkan Matthews Correlation Coefficient sebagai metrik klasifikasi, untuk klasifikasi biner dan multikelas.
- azureml-contrib-interpret
  - Pemberi penjelasan teks yang dihapus dari azureml-contrib-interpret sebagai penjelasan teks telah dipindahkan ke repositori interpret-text yang akan segera dirilis.
- azureml-core
  - Himpunan data: penggunaan untuk himpunan data file tidak lagi bergantung pada numpy dan pandas yang akan dipasang di Python env.
  - Mengubah LocalWebservice.wait_for_deployment() untuk memeriksa status kontainer Docker lokal sebelum mencoba ping titik akhir kesehatannya, sehingga sangat mengurangi jumlah waktu yang diperlukan untuk melaporkan penyebaran yang gagal.
  - Memperbaiki inisialisasi properti internal yang digunakan di LocalWebservice.reload() saat objek layanan dibuat dari penyebaran yang sudah ada menggunakan konstruktor LocalWebservice().
  - Mengedit pesan kesalahan untuk klarifikasi.
  - Menambahkan metode baru yang disebut get_access_token() ke AksWebservice yang akan mengembalikan objek AksServiceAccessToken, yang berisi token akses, refresh setelah tanda waktu, kedaluwarsa pada tanda waktu dan jenis token.
  - Menghentikan penggunaan metode get_token() yang sudah ada di AksWebservice karena metode baru mengembalikan semua informasi yang dikembalikan metode ini.
  - Memodifikasi output dari perintah get-access-token layanan az ml. Mengganti nama token untuk accessToken dan refreshBy menjadi refreshAfter. Menambahkan properti expiryOn dan tokenType.
  - Memperbaiki get_active_runs
- azureml-explain-model
  - memperbarui shap menjadi 0.33.0 dan interpret-community menjadi 0.4.*
- azureml-interpret
  - memperbarui shap menjadi 0.33.0 dan interpret-community menjadi 0.4.*
- azureml-train-automl-runtime
  - Menambahkan Matthews Correlation Coefficient sebagai metrik klasifikasi, untuk klasifikasi biner dan multikelas.
  - Menghentikan penggunaan bendera praproses dari kode dan mengganti dengan fiturisasi -fiturisasi diaktifkan secara default

2020-01-06

Azure Machine Learning SDK untuk Python v1.0.83

Fitur baru
- Himpunan data: Menambahkan dua opsi on_error dan out_of_range_datetime untuk to_pandas_dataframe agar gagal saat data memiliki nilai kesalahan alih-alih mengisinya dengan None.
- Ruang kerja: Menambahkan bendera hbi_workspace untuk ruang kerja dengan data sensitif yang memungkinkan enkripsi lebih lanjut dan menonaktifkan diagnostik tingkat lanjut pada ruang kerja. Kami juga menambahkan dukungan untuk membawa kunci Anda sendiri untuk instans Azure Cosmos DB terkait, dengan menentukan cmk_keyvault parameter dan resource_cmk_uri saat membuat ruang kerja, yang membuat instans Azure Cosmos DB di langganan Anda saat menyediakan ruang kerja Anda. Untuk mempelajari lebih lanjut, lihat bagian Azure Cosmos DB dari artikel enkripsi data.
Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - Memperbaiki regresi yang menyebabkan TypeError ditampilkan saat mengeksekusi AutoML pada versi Python di bawah 3.5.4.
- azureml-core
  - Memperbaiki bug di datastore.upload_files adalah jalur relatif yang tidak dimulai dengan ./ tidak dapat digunakan.
  - Menambahkan pesan penghentian penggunaan untuk semua jalur kode kelas Citra
  - Memperbaiki konstruksi URL Manajemen Model untuk Microsoft Azure yang dioperasikan oleh 21Vianet.
  - Memperbaiki masalah saat model yang menggunakan source_dir tidak dapat dikemas untuk Azure Functions.
  - Menambahkan opsi untuk Environment.build_local() untuk mendorong gambar ke registri kontainer ruang kerja Azure Pembelajaran Mesin
  - Memperbarui SDK untuk menggunakan pustaka token baru di Azure synapse dengan cara yang kompatibel dengan versi sebelumnya.
- azureml-interpret
  - Memperbaiki bug di mana Tidak ada dikembalikan ketika tidak ada penjelasan yang tersedia untuk diunduh. Sekarang menampilkan pengecualian, perilaku yang cocok di tempat lain.
- azureml-pipeline-steps
  - Melarang penerusan DatasetConsumptionConfig ke parameter inputsEstimator ketika Estimator akan digunakan dalam EstimatorStep.
- azureml-sdk
  - Menambahkan klien AutoML ke paket azureml-sdk, memungkinkan eksekusi AutoML jarak jauh dikirimkan tanpa pemasangan paket AutoML lengkap.
- azureml-train-automl-client
  - Mengoreksi perataan pada output konsol untuk eksekusi AutoML
  - Memperbaiki bug di mana versi panda yang salah dapat dipasang pada amlcompute jarak jauh.

2019-12-23

Azure Machine Learning SDK untuk Python v1.0.81

Perbaikan bug dan peningkatan
- azureml-contrib-interpret
  - menunda dependensi shap untuk interpret-community dari azureml-interpret
- azureml-core
  - Target komputasi sekarang dapat ditentukan sebagai parameter untuk objek konfigurasi penyebaran yang sesuai. Ini khusus nama target komputasi tempat penyebaran, bukan objek SDK.
  - Menambahkan informasi CreatedBy ke objek Model dan Service. Dapat diakses through.created_by
  - Memperbaiki ContainerImage.run(), yang tidak menyiapkan port HTTP kontainer Docker dengan benar.
  - Menjadikan azureml-dataprep opsional untuk perintah CLI az ml dataset register
  - Memperbaiki bug di mana TabularDataset.to_pandas_dataframe akan salah kembali ke pembaca alternatif dan mencetak peringatan.
- azureml-explain-model
  - menunda dependensi shap untuk interpret-community dari azureml-interpret
- azureml-pipeline-core
  - Menambahkan langkah alur baru NotebookRunnerStep, untuk mengeksekusi notebook lokal sebagai langkah dalam alur.
  - Menghapus fungsi get_all yang tidak digunakan lagi untuk PublishedPipelines, Schedules, dan PipelineEndpoints
- azureml-train-automl-client
  - Memulai penghentian penggunaan data_script sebagai input ke AutoML.

2019-12-09

Azure Machine Learning SDK untuk Python v1.0.79

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Fiturisasi yang dihapusKonfigurasi untuk dicatat
    - Memperbarui pengelogan agar mencatat "auto"/"off"/"customized" saja.
- azureml-automl-runtime
  - Menambahkan dukungan untuk panda. Seri dan panda. Kategoris untuk mendeteksi jenis data kolom. Sebelumnya hanya didukung numpy.ndarray
    - Menambahkan perubahan kode terkait untuk menangani dtype kategoris dengan benar.
  - Antarmuka fungsi prakiraan ditingkatkan: parameter y_pred dibuat opsional. \- Docstring ditingkatkan.
- azureml-contrib-dataset
  - Memperbaiki bug di mana himpunan data berlabel tidak dapat dipasang.
- azureml-core
  - Perbaikan bug untuk Environment.from_existing_conda_environment(name, conda_environment_name). Pengguna dapat membuat instans Environment yang merupakan replika lingkungan lokal yang tepat
  - Mengubah metode Himpunan data terkait rangkaian waktu menjadi include_boundary=True secara default.
- azureml-train-automl-client
  - Memperbaiki masalah di mana hasil validasi tidak dicetak ketika tampilkan output diatur ke false.

2019-11-25

Azure Machine Learning SDK untuk Python v1.0.76

Perubahan mencolok
- Masalah peningkatan Azureml-Train-AutoML
  - Meningkatkan ke azureml-train-automl>=1.0.76 dari azureml-train-automl<1.0.76 dapat menyebabkan pemasangan sebagian, menyebabkan beberapa impor AutoML gagal. Untuk mengatasinya, Anda dapat mengeksekusi skrip penyiapan yang ada di https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/automl_setup.cmd. Atau jika Anda menggunakan pip secara langsung, Anda dapat:
    - "pip install --upgrade azureml-train-automl"
    - "pip install --ignore-installed azureml-train-automl-client"
  - atau Anda dapat menghapus instalan versi lama sebelum memutakhirkan
    - "pip uninstall azureml-train-automl"
    - "pip install azureml-train-automl"
Perbaikan bug dan peningkatan
- azureml-automl-runtime
  - AutoML sekarang memperhitungkan kelas benar dan salah saat menghitung metrik skalar rata-rata untuk tugas klasifikasi biner.
  - Memindahkan kode Pembelajaran dan pelatihan mesin di AzureML-AutoML-Core ke paket baru AzureML-AutoML-Runtime.
- azureml-contrib-dataset
  - Saat memanggil to_pandas_dataframe pada himpunan data berlabel dengan opsi unduhan, Anda sekarang dapat menentukan apakah akan menimpa file yang sudah ada atau tidak.
  - Saat memanggil keep_columns atau drop_columns yang menghasilkan rangkaian waktu, label, atau kolom gambar yang dihilangkan, kemampuan yang sesuai juga dihilangkan untuk himpunan data.
  - Memperbaiki masalah pemuat pytorch untuk tugas deteksi objek.
- azureml-contrib-interpret
  - Menghapus widget dasbor penjelasan dari azureml-contrib-interpret, mengubah paket untuk mereferensikan yang baru di interpret_community
  - Memperbarui versi interpret-community ke 0.2.0
- azureml-core
  - Meningkatkan performa workspace.datasets.
  - Menambahkan kemampuan untuk mendaftarkan Azure SQL Database Datastore menggunakan autentikasi nama pengguna dan kata sandi
  - Perbaikan untuk memuat RunConfigurations dari jalur relatif.
  - Saat memanggil keep_columns atau drop_columns yang menghasilkan kolom rangkaian waktu yang dihilangkan, kemampuan yang sesuai juga dihilangkan untuk himpunan data.
- azureml-interpret
  - memperbarui versi interpret-community ke 0.2.0
- azureml-pipeline-steps
  - Nilai yang didukung yang didokumentasikan untuk runconfig_pipeline_params bagi langkah alur pembelajaran mesin Azure.
- azureml-pipeline-core
  - Menambahkan opsi CLI guna mengunduh output dalam format json untuk perintah Alur.
- azureml-train-automl
  - Membagi AzureML-Train-AutoML menjadi dua paket, paket klien AzureML-Train-AutoML-Client dan paket pelatihan ML AzureML-Train-AutoML-Runtime
- azureml-train-automl-client
  - Menambahkan klien tipis untuk mengirimkan eksperimen AutoML tanpa perlu memasang dependensi pembelajaran mesin apa pun secara lokal.
  - Memperbaiki pengelogan lag yang terdeteksi secara otomatis, ukuran jendela bergulir, dan horizon maksimal dalam eksekusi jarak jauh.
- azureml-train-automl-runtime
  - Menambahkan paket AutoML baru untuk mengisolasi komponen pembelajaran mesin dan runtime dari klien.
- azureml-contrib-train-rl
  - Menambahkan dukungan pembelajaran penguatan di SDK.
  - Menambahkan dukungan AmlWindowsCompute di RL SDK.

2019-11-11

Azure Machine Learning SDK untuk Python v1.0.74

Fitur pratinjau
- azureml-contrib-dataset
  - Setelah mengimpor azureml-contrib-dataset, Anda dapat memanggil Dataset.Labeled.from_json_lines alih-alih ._Labeled untuk membuat himpunan data berlabel.
  - Saat memanggil to_pandas_dataframe pada himpunan data berlabel dengan opsi unduhan, Anda sekarang dapat menentukan apakah akan menimpa file yang sudah ada atau tidak.
  - Saat memanggil keep_columns atau drop_columns yang menghasilkan rangkaian waktu, label, atau kolom gambar yang dihilangkan, kemampuan yang sesuai juga dihilangkan untuk himpunan data.
  - Memperbaiki masalah pemuat PyTorch saat memanggil dataset.to_torchvision().
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Menambahkan Pembuatan Profil Model ke CLI pratinjau.
  - Memperbaiki perubahan yang melanggar di Azure Storage yang menyebabkan Azure Pembelajaran Mesin CLI gagal.
  - Menambahkan Jenis Load Balancer ke MLC untuk jenis AKS
- azureml-automl-core
  - Memperbaiki masalah deteksi horizon maksimal pada rangkaian waktu, yang memiliki nilai yang hilang dan beberapa grain.
  - Memperbaiki masalah kegagalan selama pembuatan pemisahan validasi silang.
  - Mengganti bagian ini dengan pesan dalam format markdown agar muncul dalam catatan rilis: -Meningkatkan penanganan grain pendek dalam himpunan data prakiraan.
  - Memperbaiki masalah masking beberapa informasi pengguna selama pengelogan. -Meningkatkan pengelogan kesalahan selama eksekusi prakiraan.
  - Menambahkan psutil sebagai dependensi conda ke file penyebaran yml yang dibuat secara otomatis.
- azureml-contrib-mir
  - Memperbaiki perubahan yang melanggar di Azure Storage yang menyebabkan Azure Pembelajaran Mesin CLI gagal.
- azureml-core
  - Memperbaiki bug yang menyebabkan model yang disebarkan di Azure Functions menghasilkan 500 d.
  - Memperbaiki masalah di mana file amlignore tidak diterapkan pada salinan bayangan.
  - Menambahkan amlcompute.get_active_runs API baru yang mengembalikan generator untuk menjalankan dan mengantrekan eksekusi pada amlcompute tertentu.
  - Menambahkan Jenis Load Balancer ke MLC untuk jenis AKS.
  - Menambahkan parameter bool append_prefix ke download_files dalam run.py dan download_artifacts_from_prefix dalam artifacts_client. Bendera ini digunakan untuk secara selektif meratakan jalur file asal sehingga hanya nama file atau folder yang ditambahkan ke output_directory
  - Memperbaiki masalah deserialisasi untuk run_config.yml dengan penggunaan himpunan data.
  - Saat memanggil keep_columns atau drop_columns yang menghasilkan kolom rangkaian waktu yang dihilangkan, kemampuan yang sesuai juga dihilangkan untuk himpunan data.
- azureml-interpret
  - Memperbarui versi interpret-community ke 0.1.0.3
- azureml-train-automl
  - Memperbaiki masalah di mana automl_step mungkin tidak mencetak masalah validasi.
  - Memperbaiki register_model agar berhasil meskipun lingkungan model tidak memiliki dependensi secara lokal.
  - Memperbaiki masalah di mana beberapa eksekusi jarak jauh tidak mengaktifkan docker.
  - Menambahkan pengelogan pengecualian yang menyebabkan eksekusi lokal gagal sebelum waktunya.
- azureml-train-core
  - Mempertimbangkan eksekusi resume_from dalam penghitungan hyperparameter otomatis yang menyetel eksekusi anak terbaik.
- azureml-pipeline-core
  - Memperbaiki penanganan parameter dalam konstruksi argumen alur.
  - Menambahkan deskripsi alur dan parameter yaml jenis langkah.
  - Format yaml baru untuk langkah Alur dan menambahkan peringatan penghentian penggunaan untuk format lama.

2019-11-04

Pengalaman web

Halaman arahan ruang kerja kolaboratif di https://ml.azure.com telah ditingkatkan dan berganti nama menjadi studio Azure Machine Learning.

Dari studio tersebut, Anda dapat melatih, menguji, menyebarkan, dan mengelola aset Azure Machine Learning seperti himpunan data, alur, model, titik akhir, dan sebagainya.

Akses alat penyusunan tulisan berbasis web berikut ini dari studio:

Alat berbasis web	Deskripsi
VM Notebook(pratinjau)	Stasiun kerja berbasis cloud yang dikelola sepenuhnya
Pembelajaran mesin otomatis (pratinjau)	Tidak ada pengalaman kode untuk mengotomatiskan pengembangan model pembelajaran mesin
Desainer	Alat pemodelan pembelajaran mesin seret dan drop yang sebelumnya disebut sebagai antarmuka visual

Peningkatan perancang Azure Machine Learning

Sebelumnya disebut sebagai antarmuka visual
11 modul baru, termasuk pemberi rekomendasi, pengklasifikasi, serta utilitas pelatihan termasuk rekayasa fitur, validasi silang, dan transformasi data.

R SDK

Ilmuwan data dan pengembang AI menggunakan Azure Machine Learning SDK untuk R untuk membangun dan mengeksekusi alur kerja pembelajaran mesin dengan Azure Machine Learning.

Azure Machine Learning SDK untuk R menggunakan paket reticulate untuk mengikat Python SDK. Dengan mengikat langsung ke Python, SDK untuk R memungkinkan Anda mengakses objek dan metode inti yang diimplementasikan di Python SDK dari lingkungan R apa pun yang Anda pilih.

Kemampuan utama SDK ini meliputi:

Mengelola sumber daya cloud untuk memantau, mencatat, dan mengatur eksperimen pembelajaran mesin Anda.
Melatih model menggunakan sumber daya cloud, termasuk pelatihan model yang dipercepat GPU.
Menyebarkan model Anda sebagai layanan web pada Azure Container Instances (ACI) dan Azure Kubernetes Service (AKS).

Lihat situs web paket untuk dokumentasi lengkap.

Integrasi Azure Machine Learning dengan Event Grid

Azure Machine Learning kini menjadi penyedia sumber daya untuk Event Grid, Anda dapat mengonfigurasi peristiwa pembelajaran mesin melalui portal Azure atau Azure CLI. Pengguna dapat membuat peristiwa untuk penyelesaian eksekusi, pendaftaran model, penyebaran model, dan penyimpangan data yang terdeteksi. Pristiwa ini dapat dirutekan ke penangan aktivitas yang didukung oleh Event Grid untuk dikonsumsi. Lihat skema peristiwa pembelajaran mesin dan artikel tutorial untuk detail selengkapnya.

2019-10-31

Azure Machine Learning SDK untuk Python v1.0.72

Fitur baru
- Menambahkan monitor himpunan data melalui paket azureml-datadrift, memungkinkan pemantauan himpunan data rangkaian waktu untuk penyimpangan data atau perubahan statistik lainnya dari waktu ke waktu. Pemberitahuan dan peristiwa dapat dipicu jika penyimpangan terdeteksi atau kondisi lain pada data terpenuhi. Lihat dokumentasi kami untuk mengetahui detailnya.
- Mengumumkan dua edisi baru (juga disebut sebagai SKU secara bergantian) di Azure Machine Learning. Dengan rilis ini, Anda sekarang dapat membuat ruang kerja Basic atau Enterprise Azure Machine Learning. Semua ruang kerja yang ada default ke edisi Dasar, dan Anda dapat membuka portal Azure atau ke studio untuk meningkatkan ruang kerja kapan saja. Anda dapat membuat ruang kerja Basic atau Enterprise dari portal Azure. Baca dokumentasi kami untuk mempelajari lebih lanjut. Dari SDK, edisi ruang kerja Anda dapat ditentukan menggunakan properti "sku" dari objek ruang kerja Anda.
- Kami juga telah membuat penyempurnaan pada Azure Machine Learning Compute - Anda sekarang dapat melihat metrik untuk kluster (seperti simpul total, simpul yang dieksekusi, total kuota inti) di Azure Monitor, selain melihat log Diagnostik untuk penelusuran kesalahan. Selain itu, Anda juga dapat melihat eksekusi yang sedang berjalan atau dalam antrean pada kluster Anda dan detail seperti IP dari berbagai simpul pada kluster Anda. Anda dapat melihat ini baik di portal atau menggunakan fungsi yang sesuai di SDK atau CLI.
- Fitur pratinjau
  - Kami merilis dukungan pratinjau untuk enkripsi disk SSD lokal Anda di Azure Machine Learning Compute. Ajukan tiket tim dukungan teknis agar langganan Anda dimasukkan ke daftar yang diizinkan untuk menggunakan fitur ini.
  - Pratinjau Umum Inferensi Batch Azure Machine Learning. Inferensi Batch Azure Machine Learning menargetkan pekerjaan inferensi besar yang tidak sensitif terhadap waktu. Inferensi Batch menyediakan penskalaan komputasi inferensi hemat biaya, dengan throughput tak tertandingi untuk aplikasi asinkron. Inferensi Batch dioptimalkan untuk throughput tinggi, inferensi fire-and-forget atas koleksi data yang besar.
  - azureml-contrib-dataset
    - Fungsionalitas yang diaktifkan untuk himpunan data berlabel
```
import azureml.core
from azureml.core import Workspace, Datastore, Dataset
import azureml.contrib.dataset
from azureml.contrib.dataset import FileHandlingOption, LabeledDatasetTask

# create a labeled dataset by passing in your JSON lines file
dataset = Dataset._Labeled.from_json_lines(datastore.path('path/to/file.jsonl'), LabeledDatasetTask.IMAGE_CLASSIFICATION)

# download or mount the files in the `image_url` column
dataset.download()
dataset.mount()

# get a pandas dataframe
from azureml.data.dataset_type_definitions import FileHandlingOption
dataset.to_pandas_dataframe(FileHandlingOption.DOWNLOAD)
dataset.to_pandas_dataframe(FileHandlingOption.MOUNT)

# get a Torchvision dataset
dataset.to_torchvision()
```
Perbaikan bug dan peningkatan
- azure-cli-ml
  - CLI sekarang mendukung pengemasan model.
  - Menambahkan CLI himpunan data. Untuk informasi selengkapnya: az ml dataset --help
  - Menambahkan dukungan untuk menyebarkan dan mengemas model yang didukung (ONNX, scikit-learn, dan TensorFlow) tanpa instans InferenceConfig.
  - Menambahkan bendera timpa untuk penyebaran layanan (ACI dan AKS) di SDK dan CLI. Jika disediakan, akan menimpa layanan yang sudah ada jika layanan dengan nama yang sama sudah ada. Jika layanan tidak ada, akan membuat layanan baru.
  - Model dapat didaftarkan dengan dua kerangka kerja baru, Onnx dan TensorFlow. - Pendaftaran model menerima data input sampel, data output sampel, dan konfigurasi sumber daya untuk model.
- azureml-automl-core
  - Pelatihan perulangan akan dieksekusi dalam proses anak hanya ketika batasan runtime ditetapkan.
  - Menambahkan pagar pembatas untuk tugas prakiraan, untuk memeriksa apakah max_horizon tertentu menyebabkan masalah memori pada komputer tertentu atau tidak. Jika mau, pesan pagar pembatas ditampilkan.
  - Menambahkan dukungan untuk frekuensi kompleks seperti dua tahun dan satu bulan. -Menambahkan pesan kesalahan yang dapat dipahami jika frekuensi tidak dapat ditentukan.
  - Menambahkan azureml-default ke env conda yang dihasilkan otomatis untuk menyelesaikan kegagalan penyebaran model
  - Mengizinkan data menengah di Alur Azure Machine Learning untuk dikonversi ke himpunan data tabular dan digunakan dalam AutoMLStep.
  - Memperbarui tujuan kolom yang diimplementasikan untuk streaming.
  - Memperbarui parameter pentransformasi yang diimplementasikan untuk Imputer dan HashOneHotEncoder untuk streaming.
  - Menambahkan ukuran data saat ini dan ukuran data minimum yang diperlukan ke pesan kesalahan validasi.
  - Memperbarui ukuran data minimum yang diperlukan untuk Validasi silang guna menjamin minimal dua sampel dalam setiap lipatan validasi.
- azureml-cli-common
  - CLI sekarang mendukung pengemasan model.
  - Model dapat didaftarkan dengan dua kerangka kerja baru, Onnx dan TensorFlow.
  - Pendaftaran model menerima data input sampel, data output sampel, dan konfigurasi sumber daya untuk model tersebut.
- azureml-contrib-gbdt
  - memperbaiki saluran rilis untuk notebook
  - Menambahkan peringatan untuk target komputasi non-AmlCompute yang tidak kami dukung
  - Menambahkan LightGMB Estimator ke paket azureml-contrib-gbdt
- azureml-core
  - CLI sekarang mendukung pengemasan model.
  - Menambahkan peringatan penghentian penggunaan untuk API Himpunan data yang tidak digunakan lagi. Lihat Pemberitahuan perubahan API Himpunan data di https://aka.ms/tabular-dataset.
  - Mengubah Dataset.get_by_id untuk mengembalikan nama dan versi pendaftaran jika himpunan data terdaftar.
  - Memperbaiki bug di mana ScriptRunConfig dengan himpunan data sebagai argumen tidak dapat digunakan berulang kali untuk mengirimkan eksekusi eksperimen.
  - Himpunan data yang diambil selama eksekusi akan dilacak dan dapat dilihat di halaman detail eksekusi atau dengan memanggil run.get_details() setelah eksekusi selesai.
  - Mengizinkan data menengah di Alur Azure Machine Learning untuk dikonversi ke himpunan data tabular dan digunakan dalam AutoMLStep.
  - Menambahkan dukungan untuk menyebarkan dan mengemas model yang didukung (ONNX, scikit-learn, dan TensorFlow) tanpa instans InferenceConfig.
  - Menambahkan bendera timpa untuk penyebaran layanan (ACI dan AKS) di SDK dan CLI. Jika disediakan, akan menimpa layanan yang sudah ada jika layanan dengan nama yang sama sudah ada. Jika layanan tidak ada, akan membuat layanan baru.
  - Model dapat didaftarkan dengan dua kerangka kerja baru, Onnx dan TensorFlow. Pendaftaran model menerima data input sampel, data output sampel, dan konfigurasi sumber daya untuk model tersebut.
  - Menambahkan datastore baru untuk Azure Database for MySQL. Menambahkan contoh untuk menggunakan Azure Database for MySQL di DataTransferStep di Alur Azure Machine Learning.
  - Menambahkan fungsionalitas untuk menambahkan dan menghapus tag dari eksperimen Fungsionalitas yang ditambahkan guna menghapus tag dari eksekusi
  - Menambahkan bendera timpa untuk penyebaran layanan (ACI dan AKS) di SDK dan CLI. Jika disediakan, akan menimpa layanan yang sudah ada jika layanan dengan nama yang sama sudah ada. Jika layanan tidak ada, akan membuat layanan baru.
- azureml-datadrift
  - Dipindahkan dari azureml-contrib-datadrift ke azureml-datadrift
  - Menambahkan dukungan untuk memantau himpunan data rangkaian waktu untuk penyimpangan dan langkah-langkah statistik lainnya
  - Metode baru create_from_model() dan create_from_dataset() ke kelas DataDriftDetector. Metode create() ini tidak digunakan lagi.
  - Penyesuaian pada visualisasi di Python dan antarmuka pengguna di studio Azure Machine Learning.
  - Mendukung penjadwalan pemantauan mingguan dan bulanan, selain harian untuk pemantauan himpunan data.
  - Mendukung isi ulang metrik pemantauan data untuk menganalisis data historis untuk pemantauan himpunan data.
  - Berbagai perbaikan bug
- azureml-pipeline-core
  - azureml-dataprep tidak lagi diperlukan untuk mengirimkan eksekusi Alur Azure Machine Learning dari file yaml alur.
- azureml-train-automl
  - Menambahkan azureml-default ke env conda yang dihasilkan otomatis untuk menyelesaikan kegagalan penyebaran model
  - Pelatihan jarak jauh AutoML sekarang menyertakan azureml-defaults untuk memungkinkan penggunaan kembali env pelatihan untuk inferensi.
- azureml-train-core
  - Menambahkan dukungan PyTorch 1.3 di estimator PyTorch

2019-10-21

Antarmuka visual (pratinjau)

Antarmuka visual Azure Machine Learning (pratinjau) telah dirombak agar dieksekusi pada alur Azure Machine Learning. Alur (sebelumnya dikenal sebagai eksperimen) yang ditulis dalam antarmuka visual sekarang sepenuhnya terintegrasi dengan pengalaman inti Azure Machine Learning.
- Pengalaman manajemen terpadu dengan aset SDK
- Penerapan versi dan pelacakan untuk model, alur, dan titik akhir antarmuka visual
- Antarmuka Pengguna yang Didesain Ulang
- Menambahkan penyebaran inferensi batch
- Menambahkan dukungan Azure Kubernetes Service (AKS) untuk target komputasi inferensi
- Alur kerja penulisan alur langkah Python baru
- Halaman arahan baru untuk alat penyusunan tulisan visual
Modul baru
- Menerapkan operasi matematika
- Menerapkan transformasi SQL
- Nilai klip
- Meringkas data
- Mengimpor dari SQL Database

2019-10-14

Azure Machine Learning SDK untuk Python v1.0.69

Perbaikan bug dan peningkatan
- azureml-automl-core
  - Membatasi penjelasan model ke eksekusi terbaik alih-alih mengkomputasi penjelasan untuk setiap eksekusi. Membuat perubahan perilaku ini untuk lokal, jarak jauh, dan ADB.
  - Menambahkan dukungan untuk penjelasan model sesuai permintaan untuk antarmuka pengguna
  - Menambahkan psutil sebagai dependensi automl dan menyertakan psutil sebagai dependensi conda dalam amlcompute.
  - Memperbaiki masalah dengan jeda heuristik dan ukuran jendela bergulir pada himpunan data prakiraan beberapa seri yang dapat menyebabkan kesalahan aljabar linier
    - Menambahkan cetak untuk parameter yang ditentukan secara heuristik dalam eksekusi prakiraan.
- azureml-contrib-datadrift
  - Menambahkan perlindungan saat membuat metrik output jika penyimpangan tingkat himpunan data tidak ada di bagian pertama.
- azureml-contrib-interpret
  - Paket azureml-contrib-explain-model telah diubah namanya menjadi azureml-contrib-interpret
- azureml-core
  - Menambahkan API ke himpunan data yang tidak terdaftar. dataset.unregister_all_versions()
  - Paket azureml-contrib-explain-model telah diubah namanya menjadi azureml-contrib-interpret.
- azureml-core
  - Menambahkan API ke himpunan data yang tidak terdaftar. dataset.unregister_all_versions().
  - Menambahkan API Himpunan data untuk memeriksa waktu data berubah. dataset.data_changed_time.
  - Mampu mengonsumsi FileDataset dan TabularDataset sebagai input ke PythonScriptStep, EstimatorStep, dan HyperDriveStep di Alur Azure Machine Learning
  - Performa FileDataset.mount telah ditingkatkan untuk folder dengan file dalam jumlah besar
  - Mampu mengonsumsi FileDataset dan TabularDataset sebagai input ke PythonScriptStep, EstimatorStep, dan HyperDriveStep di Alur Azure Machine Learning.
  - Performa FileDataset.mount() telah ditingkatkan untuk folder dengan file dalam jumlah besar
  - Menambahkan URL ke rekomendasi kesalahan yang diketahui dalam detail eksekusi.
  - Memperbaiki bug di run.get_metrics di mana permintaan akan gagal jika eksekusi memiliki terlalu banyak anak
  - Memperbaiki bug di run.get_metrics di mana permintaan akan gagal jika eksekusi memiliki terlalu banyak anak
  - Menambahkan dukungan untuk autentikasi pada kluster Arcadia.
  - Membuat objek Experiment mendapatkan atau membuat eksperimen di ruang kerja Azure Machine Learning untuk mengeksekusi pelacakan riwayat. ID eksperimen dan waktu yang diarsipkan diisi dalam objek Experiment saat pembuatan. Contoh: experiment = Eksperimen(ruang kerja, "New Experiment") experiment_id = experiment.id archive() dan reactivate() adalah fungsi yang dapat dipanggil pada eksperimen untuk menyembunyikan dan memulihkan eksperimen agar tidak ditampilkan di UX atau dikembalikan secara default dalam panggilan untuk mencantumkan eksperimen. Jika eksperimen yang baru dibuat dengan nama yang sama dengan eksperimen yang diarsipkan, Anda dapat mengganti nama eksperimen yang diarsipkan saat mengaktifkan kembali dengan meneruskan nama baru. Hanya boleh ada satu eksperimen aktif dengan nama tertentu. Contoh: experiment1 = Experiment(workspace, "Active Experiment") experiment1.archive() # Membuat eksperimen aktif baru dengan nama yang sama dengan yang diarsipkan. experiment2. = Experiment(workspace, "Active Experiment") experiment1.reactivate(new_name="Previous Active Experiment") Metode statis list() pada Experiment dapat mengambil filter nama dan filter ViewType. Nilai ViewType adalah "ACTIVE_ONLY", "ARCHIVED_ONLY" dan "ALL" Contoh: archived_experiments = Experiment.list(workspace, view_type="ARCHIVED_ONLY") all_first_experiments = Experiment.list(workspace, name="First Experiment", view_type="ALL")
  - Dukungan menggunakan lingkungan untuk penyebaran model, dan pembaruan layanan
- azureml-datadrift
  - Atribut peragaan kelas DataDriftDector tidak mendukung argumen opsional 'with_details' lagi. Atribut show hanya menyajikan koefisien penyimpangan data dan kontribusi penyimpangan data kolom fitur.
  - Perubahan perilaku atribut DataDriftDetector 'get_output':
    - Parameter input start_time, end_time opsional, bukan wajib;
    - Memasukkan start_time dan/atau end_time tertentu dengan run_id tertentu dalam pemanggilan yang sama menghasilkan pengecualian kesalahan nilai karena keduanya saling eksklusif
    - Dengan memasukkan start_time dan/atau end_time tertentu, hanya hasil eksekusi terjadwal yang dikembalikan;
    - Parameter 'daily_latest_only' tidak digunakan lagi.
  - Mendukung pengambilan output Penyimpangan Data berbasis Himpunan data.
- azureml-explain-model
  - Mengganti nama paket AzureML-explain-model menjadi AzureML-interpret, untuk saat ini mempertahankan paket lama untuk kompatibilitas mundur
  - memperbiki bug automl dengan penjelasan mentah diatur ke tugas klasifikasi alih-alih regresi secara default pada unduhan dari ExplanationClient
  - Menambahkan dukungan untuk ScoringExplainer agar dibuat secara langsung menggunakan MimicWrapper
- azureml-pipeline-core
  - Meningkatkan performa untuk pembuatan Alur besar
- azureml-train-core
  - Menambahkan dukungan TensorFlow 2.0 di TensorFlow Estimator
- azureml-train-automl
  - Membuat objek Experiment mendapatkan atau membuat eksperimen di ruang kerja Azure Machine Learning untuk mengeksekusi pelacakan riwayat. ID eksperimen dan waktu yang diarsipkan diisi dalam objek Experiment saat pembuatan. Contoh:
```
experiment = Experiment(workspace, "New Experiment")
experiment_id = experiment.id
```
    archive() dan reactivate() adalah fungsi yang dapat dipanggil pada eksperimen untuk menyembunyikan dan memulihkan eksperimen agar tidak ditampilkan di UX atau dikembalikan secara default dalam panggilan untuk mencantumkan eksperimen. Jika eksperimen yang baru dibuat dengan nama yang sama dengan eksperimen yang diarsipkan, Anda dapat mengganti nama eksperimen yang diarsipkan saat mengaktifkan kembali dengan meneruskan nama baru. Hanya boleh ada satu eksperimen aktif dengan nama tertentu. Contoh:
```
experiment1 = Experiment(workspace, "Active Experiment")
experiment1.archive()
# Create new active experiment with the same name as the archived.
experiment2 = Experiment(workspace, "Active Experiment")
experiment1.reactivate(new_name="Previous Active Experiment")
```
    Metode statis list() pada Experiment dapat mengambil filter nama dan filter ViewType. Nilai ViewType adalah "ACTIVE_ONLY", "ARCHIVED_ONLY", dan "ALL". Contoh:
```
archived_experiments = Experiment.list(workspace, view_type="ARCHIVED_ONLY")
all_first_experiments = Experiment.list(workspace, name="First Experiment", view_type="ALL")
```
  - Dukungan menggunakan lingkungan untuk penyebaran model, dan pembaruan layanan.
- azureml-datadrift
  - Atribut peragaan kelas DataDriftDetector tidak mendukung argumen opsional 'with_details' lagi. Atribut show hanya menyajikan koefisien penyimpangan data dan kontribusi penyimpangan data kolom fitur.
  - Fungsi DataDriftDetector [get_output]python/api/azureml-datadrift/azureml.datadrift.datadriftdetector.datadriftdetector#get-output-start-time-none--end-time-none-run-id-none-) perubahan perilaku:
    - Parameter input start_time, end_time opsional, bukan wajib;
    - Memasukkan start_time dan/atau end_time tertentu dengan run_id tertentu dalam pemanggilan yang sama menghasilkan pengecualian kesalahan nilai karena saling eksklusif;
    - Dengan memasukkan start_time dan/atau end_time tertentu, hanya hasil eksekusi terjadwal yang dikembalikan;
    - Parameter 'daily_latest_only' tidak digunakan lagi.
  - Mendukung pengambilan output Penyimpangan Data berbasis Himpunan data.
- azureml-explain-model
  - Menambahkan dukungan untuk ScoringExplainer yang akan dibuat secara langsung menggunakan MimicWrapper
- azureml-pipeline-core
  - Meningkatkan performa untuk pembuatan Alur besar.
- azureml-train-core
  - Menambahkan dukungan TensorFlow 2.0 di TensorFlow Estimator.
- azureml-train-automl
  - Eksekusi induk tidak akan lagi gagal ketika perulangan penyiapan gagal, karena orkestrasi sudah mengurusnya.
  - Menambahkan dukungan local-docker dan local-conda untuk eksperimen AutoML
  - Menambahkan dukungan local-docker dan local-conda untuk eksperimen AutoML.

2019-10-08

Pengalaman web baru (pratinjau) untuk ruang kerja Azure Machine Learning

Tab Eksperimen di portal ruang kerja baru telah diperbarui sehingga ilmuwan data dapat memantau eksperimen dengan cara yang lebih berperforma. Anda dapat menjelajahi fitur-fitur berikut:

Metadata eksperimen untuk memfilter dan mengurutkan daftar eksperimen Anda dengan mudah
Halaman detail eksperimen yang disederhanakan dan berperforma yang memungkinkan Anda memvisualisasikan dan membandingkan eksekusi
Desain baru untuk mengeksekusi halaman detail untuk memahami dan memantau eksekusi pelatihan Anda

2019-09-30

Azure Machine Learning SDK untuk Python v1.0.65

Fitur baru
- Menambahkan lingkungan yang dikurasi. Lingkungan ini telah dikonfigurasi sebelumnya dengan pustaka untuk tugas pembelajaran mesin umum, dan telah dibangun sebelumnya dan di-cache sebagai gambar Docker untuk eksekusi yang lebih cepat. Lingkungan ini muncul secara default di daftar lingkungan Ruang Kerja dengan awalan "AzureML".
- Menambahkan lingkungan yang dikurasi. Lingkungan ini telah dikonfigurasi sebelumnya dengan pustaka untuk tugas pembelajaran mesin umum, dan telah dibangun sebelumnya dan di-cache sebagai gambar Docker untuk eksekusi yang lebih cepat. Lingkungan ini muncul secara default di daftar lingkungan Ruang Kerja dengan awalan "AzureML".
azureml-train-automl
azureml-train-automl
- Menambahkan dukungan konversi ONNX untuk ADB dan HDI
Fitur pratinjau
- azureml-train-automl
- azureml-train-automl
  - Mendukung BERT dan BiLSTM sebagai featurizer teks (hanya pratinjau)
  - Mendukung kustomisasi fiturisasi untuk tujuan kolom dan parameter pentransformasi (hanya pratinjau)
  - Mendukung penjelasan mentah saat pengguna mengaktifkan penjelasan model selama pelatihan (hanya pratinjau)
  - Menambahkan Prophet untuk prakiraan timeseries sebagai alur yang dapat dilatih (hanya pratinjau)
- azureml-contrib-datadrift
  - Paket dipindahkan dari azureml-contrib-datadrift ke azureml-datadrift; paket contrib akan dihapus dalam rilis mendatang
Perbaikan bug dan peningkatan
- azureml-automl-core
  - Memperkenalkan FeaturizationConfig ke AutoMLConfig dan AutoMLBaseSettings
  - Memperkenalkan FeaturizationConfig ke AutoMLConfig dan AutoMLBase Pengaturan
    - Menimpa Tujuan Kolom untuk Fiturisasi dengan kolom dan jenis fitur tertentu
    - Menimpa parameter pentransformasi
  - Menambahkan pesan penghentian penggunaan untuk explain_model() dan retrieve_model_explanations()
  - Menambahkan Prophet sebagai alur yang dapat dilatih (hanya pratinjau)
  - Menambahkan pesan penghentian penggunaan untuk explain_model() dan retrieve_model_explanations().
  - Menambahkan Prophet sebagai alur yang dapat dilatih (hanya pratinjau).
  - Menambahkan dukungan untuk deteksi otomatis dari lag target, ukuran jendela bergulir, dan horizon maksimal. Jika salah satu target_lags, target_rolling_window_size, atau max_horizon diatur ke 'otomatis', heuristik diterapkan untuk memperkirakan nilai parameter yang sesuai berdasarkan data pelatihan.
  - Memperbaiki prakiraan dalam kasus di mana himpunan data berisi satu kolom grain, grain ini berjenis numerik dan ada celah antara set pelatihan dan pengujian
  - Memperbaiki pesan kesalahan tentang indeks duplikat di eksekusi jarak jauh dalam tugas prakiraan
  - Memperbaiki prakiraan dalam kasus di mana himpunan data berisi satu kolom grain, grain ini berjenis numerik dan ada celah antara set pelatihan dan pengujian.
  - Memperbaiki pesan kesalahan tentang indeks duplikat di eksekusi jarak jauh dalam tugas prakiraan.
  - Menambahkan pagar pembatas untuk memeriksa apakah himpunan data tidak diseimbangkan atau tidak. Jika iya, pesan pagar pembatas akan ditulis ke konsol.
- azureml-core
  - Menambahkan kemampuan untuk mengambil URL SAS ke model dalam penyimpanan melalui objek model. Ex: model.get_sas_url()
  - Memperkenalkan run.get_details()['datasets'] untuk mendapatkan himpunan data yang terkait dengan eksekusi yang dikirimkan
  - Menambahkan Dataset.Tabular.from_json_lines_files API untuk membuat TabularDataset dari file Baris JSON. Untuk mempelajari tentang data tabular ini dalam file Baris JSON di TabularDataset, kunjungi artikel ini untuk dokumentasi.
  - Menambahkan bidang ukuran VM lainnya (Disk OS, jumlah GPU) ke fungsi supported_vmsizes ()
  - Menambahkan lebih banyak bidang ke fungsi list_nodes () untuk menampilkan eksekusi, IP privat dan publik, port, dll.
  - Kemampuan untuk menentukan bidang baru selama provisi kluster --remotelogin_port_public_access, yang dapat diatur ke diaktifkan atau dinonaktifkan tergantung pada apakah Anda ingin membiarkan port SSH terbuka atau tertutup pada saat membuat kluster. Jika Anda tidak menentukannya, layanan akan dengan cerdas membuka atau menutup port tergantung pada apakah Anda menyebarkan kluster di dalam VNet.
- azureml-explain-model
- azureml-core
  - Menambahkan kemampuan untuk mengambil URL SAS ke model dalam penyimpanan melalui objek model. Ex: model.get_sas_url()
  - Memperkenalkan run.get_details['dataset'] untuk mendapatkan himpunan data yang terkait dengan eksekusi yang dikirimkan
  - Menambahkan Dataset.Tabular. from_json_lines_files() API untuk membuat TabularDataset dari file Baris JSON. Untuk mempelajari tentang data tabular ini dalam file Baris JSON di TabularDataset, kunjungi https://aka.ms/azureml-data untuk dokumentasi.
  - Menambahkan bidang ukuran VM lainnya (Disk OS, jumlah GPU) ke fungsi supported_vmsizes()
  - Menambahkan bidang lain ke fungsi list_nodes() untuk menampilkan eksekusi, privat, dan IP publik, port, dll.
  - Kemampuan untuk menentukan bidang baru selama provisi kluster yang dapat diatur ke diaktifkan atau dinonaktifkan tergantung pada apakah Anda ingin membiarkan port SSH terbuka atau tertutup pada saat membuat kluster. Jika Anda tidak menentukannya, layanan dengan cerdas membuka atau menutup port tergantung pada apakah Anda menyebarkan kluster di dalam VNet.
- azureml-explain-model
  - Meningkatkan dokumentasi untuk output Penjelasan dalam skenario klasifikasi.
  - Menambahkan kemampuan untuk mengunggah nilai y yang diprediksi pada penjelasan untuk contoh evaluasi. Membuka kunci visualisasi yang lebih berguna.
  - Menambahkan properti pemberi penjelasan ke MimicWrapper untuk memungkinkan mendapatkan MimicExplainer yang mendasarinya.
- azureml-pipeline-core
  - Menambahkan notebook untuk menjelaskan Module, ModuleVersion, dan ModuleStep
- azureml-pipeline-steps
  - Menambahkan RScriptStep untuk mendukung skrip R yang dieksekusi melalui alur AML.
  - Memperbaiki penguraian parameter metadata di AzureBatchStep yang menyebabkan pesan kesalahan "penetapan untuk parameter SubscriptionId tidak ditentukan".
- azureml-train-automl
  - Mendukung training_data, validation_data, label_column_name, weight_column_name sebagai format input data
  - Menambahkan pesan penghentian penggunaan untuk explain_model() dan retrieve_model_explanations()
- azureml-pipeline-core
  - Menambahkan notebook untuk menjelaskan Module, [ModuleVersion, dan ModuleStep.
- azureml-pipeline-steps
  - Menambahkan RScriptStep untuk mendukung skrip R yang dieksekusi melalui alur AML.
  - Memperbaiki penguraian parameter metadata di [AzureBatchStep yang menyebabkan pesan kesalahan "penetapan untuk parameter SubscriptionId tidak ditentukan".
- azureml-train-automl
  - Mendukung training_data, validation_data, label_column_name, weight_column_name sebagai format input data.
  - Menambahkan pesan penghentian penggunaan untuk explain_model() dan retrieve_model_explanations().

2019-09-16

Azure Machine Learning SDK untuk Python v1.0.62

Fitur baru
- Memperkenalkan sifat timeseries pada TabularDataset. Sifat ini memungkinkan pemfilteran tanda waktu yang mudah pada data tabularDataset, seperti mengambil semua data antara rentang waktu atau data terbaru. https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datasets-tutorial/timeseries-datasets/tabular-timeseries-dataset-filtering.ipynb untuk notebook contoh.
- Mengaktifkan pelatihan dengan TabularDataset dan FileDataset.
- azureml-train-core
  - Menambahkan dukungan Nccl dan Gloo di estimator PyTorch
Perbaikan bug dan peningkatan
- azureml-automl-core
  - Menghentikan penggunaan pengaturan AutoML 'lag_length' dan LaggingTransformer.
  - Memperbaiki validasi data input yang benar jika ditentukan dalam format Aliran data
  - Memodifikasi fit_pipeline.py untuk menghasilkan json grafik dan mengunggah ke artefak.
  - Merender grafik di bawah userrun menggunakan Cytoscape.
- azureml-core
  - Mengunjungi kembali penanganan pengecualian dalam kode ADB dan membuat perubahan sesuai penanganan kesalahan yang baru
  - Menambahkan autentikasi MSI otomatis untuk VM Notebook.
  - Memperbaiki bug di mana model yang rusak atau kosong dapat diunggah karena upaya percobaan lagi yang gagal.
  - Memperbaiki bug di mana nama DataReference berubah ketika mode DataReference berubah (misalnya, saat memanggil as_upload, as_download, atau as_mount).
  - Menjadikan mount_point dantarget_path opsional untuk FileDataset.mount dan FileDataset.download.
  - Pengecualian bahwa kolom tanda waktu tidak dapat ditemukan dibuang jika API terkait serial waktu dipanggil tanpa kolom tanda waktu halus yang ditetapkan atau kolom tanda waktu yang ditetapkan dihilangkan.
  - Kolom rangkaian waktu harus ditetapkan dengan kolom yang jenisnya adalah Tanggal, jika tidak, pengecualian diperkirakan muncul
  - Kolom serial waktu yang menetapkan API 'with_timestamp_columns' dapat mengambil nama kolom tanda waktu halus/kasar nilai Tidak Ada, yang menghapus kolom tanda waktu yang ditetapkan sebelumnya.
  - Pengecualian akan ditampilkan ketika kolom tanda waktu halus atau kasar dihilangkan dengan indikasi kepada pengguna bahwa menghilangkan dapat dilakukan setelah mengecualikan kolom tanda waktu dalam daftar hilangkan atau memanggil with_time_stamp dengan nilai Tidak ada untuk merilis kolom tanda waktu
  - Pengecualian akan ditampilkan ketika kolom tanda waktu halus atau kasar tidak disertakan dalam kolom pertahankan dengan indikasi kepada pengguna bahwa menyimpan dapat dilakukan setelah menyertakan kolom tanda waktu dalam daftar kolom simpan atau memanggil with_time_stamp dengan kolom Tidak ada untuk merilis kolom tanda waktu.
  - Menambahkan pengelogan untuk ukuran model terdaftar.
- azureml-explain-model
  - Memperbaiki peringatan yang dicetak ke konsol saat paket "pengemasan" Python tidak diinstal: "Menggunakan versi lightgbm yang lebih lama dari yang didukung, harap tingkatkan ke versi yang lebih besar dari 2.2.1"
  - Memperbaiki penjelasan model unduhan dengan sharding untuk penjelasan global dengan banyak fitur
  - Memperbaiki contoh inisialisasi pemberi penjelasan mimik yang hilang pada penjelasan output
  - Memperbaiki kesalahan yang tidak dapat diubah pada pengaturan properti saat mengunggah dengan klien penjelasan menggunakan dua jenis model yang berbeda
  - Menambahkan param get_raw untuk penilaian explainer.explain() sehingga satu pemberi penjelasan penilaian dapat mengembalikan nilai rekayasa dan mentah.
- azureml-train-automl
  - Memperkenalkan API publik dari AutoML untuk penjelasan dukungan dari SDK penjelasan automl - Cara yang lebih baru untuk mendukung penjelasan AutoML dengan memisahkan fiturisasi AutoML dan SDK penjelasan - Terintegrasi dengan dukungan penjelasan mentah dari SDK penjelasan azureml untuk model AutoML.
  - Menghapus azureml-defaulta dari lingkungan pelatihan jarak jauh.
  - Mengubah lokasi penyimpanan cache default dari berbasis FileCacheStore ke AzureFileCacheStore untuk AutoML pada jalur kode Azure Databricks.
  - Memperbaiki validasi data input yang benar jika ditentukan dalam format Aliran data
- azureml-train-core
  - Mengembalikan penghentian penggunaan source_directory_data_store.
  - Menambahkan kemampuan untuk menimpa versi paket azureml yang dipasang.
  - Menambahkan dukungan dockerfile dalam parameter environment_definition dalam estimator.
  - Parameter pelatihan terdistribusi yang disederhanakan dalam estimator.
```
from azureml.train.dnn import TensorFlow, Mpi, ParameterServer
```

2019-09-09

Pengalaman web baru (pratinjau) untuk ruang kerja Azure Machine Learning

Pengalaman web baru memungkinkan ilmuwan data dan insinyur data untuk menyelesaikan siklus hidup pembelajaran mesin menyeluruh mereka dari mempersiapkan dan memvisualisasikan data hingga melatih dan menyebarkan model di satu lokasi.

Antarmuka Pengguna ruang kerja Azure Machine Learning (pratinjau)

Fitur utama:

Dengan antarmuka Azure Machine Learning baru ini, Anda sekarang dapat:

Mengelola notebook Anda atau menautkan ke Jupyter
Mengeksekusi eksperimen ML otomatis
Membuat himpunan data dari datastore, file web, dan file lokal
Menjelajahi & menyiapkan himpunan data untuk pembuatan model
Memantau penyimpangan data untuk model Anda
Menampilkan sumber daya terbaru dari dasbor

Pada saat rilis ini, browser berikut didukung: Pratinjau Microsoft Edge, Chrome, Firefox, dan Safari.

Masalah yang diketahui:

Refresh browser Anda jika melihat "Ada yang salah! Kesalahan saat memuat file gugus" ketika penyebaran sedang berlangsung.
Tidak dapat menghapus atau mengganti nama file di Notebook dan Files. Selama Pratinjau Umum, Anda bisa menggunakan Antarmuka Pengguna Jupyter atau Terminal di VM Notebook untuk melakukan operasi pembaruan file. Karena ini adalah sistem file jaringan yang dipasang, semua perubahan yang Anda buat pada VM Notebook segera tercermin di Ruang Kerja Notebook.
Untuk SSH ke dalam VM Notebook:
1. Temukan kunci SSH yang dibuat selama penyiapan VM. Atau, temukan kunci di ruang kerja Azure Machine Learning > buka tab Hitung > temukan VM Notebook dalam daftar > buka propertinya: salin kunci dari dialog.
2. Impor kunci SSH publik dan privat tersebut ke komputer lokal Anda.
3. Gunakan kunci tersebut untuk SSH ke dalam VM Notebook.

2019-09-03

Azure Machine Learning SDK untuk Python v1.0.60

Fitur baru
- Memperkenalkan FileDataset, yang mereferensikan satu atau beberapa file di datastore atau url publik Anda. File dapat berformat apa pun. FileDataset memberi Anda kemampuan untuk mengunduh atau memasang file ke komputasi.
- Menambahkan Dukungan Yaml Alur untuk Langkah PythonScript, Langkah Adla, Langkah Databricks, DataTransferStep, dan Langkah AzureBatch
Perbaikan bug dan peningkatan
- azureml-automl-core
  - AutoArima sekarang merupakan alur yang dapat disarankan hanya untuk pratinjau.
  - Meningkatkan pelaporan kesalahan untuk prakiraan.
  - Meningkatkan pengelogan dengan menggunakan pengecualian kustom alih-alih generik dalam tugas prakiraan.
  - Menghapus pemeriksaan pada max_concurrent_iterations agar kurang dari jumlah total perulangan.
  - Model AutoML sekarang mengembalikan AutoMLExceptions
  - Rilis ini meningkatkan performa eksekusi dari eksekusi lokal pembelajaran mesin otomatis.
- azureml-core
  - Memperkenalkan Dataset.get_all(workspace), yang mengembalikan kamus objek TabularDataset dan FileDataset yang di kunci dengan nama pendaftaran mereka.
```
workspace = Workspace.from_config()
all_datasets = Dataset.get_all(workspace)
mydata = all_datasets['my-data']
```
  - Memperkenalkan parition_format sebagai argumen ke Dataset.Tabular.from_delimited_files dan Dataset.Tabular.from_parquet.files. Informasi partisi dari setiap jalur data diekstrak ke dalam kolom berdasarkan format yang ditentukan. '{column_name}' membuat kolom string, dan '{column_name:yyyy/MM/dd/HH/mm/ss}' membuat kolom tanggal waktu, di mana 'yyyy', 'MM', 'dd', 'HH', 'mm', dan 'ss' digunakan untuk mengekstrak tahun, bulan, hari, jam, menit, dan detik untuk jenis tanggal waktu. partition_format harus dimulai dari posisi kunci partisi pertama hingga akhir jalur file. Misalnya, mengingat jalur '.. /USA/2019/01/01/data.csv' di mana partisi berdasarkan negara/wilayah dan waktu, partition_format='/{Country}/{PartitionDate:yyyy/MM/dd}/data.csv' membuat kolom string 'Negara' dengan nilai 'USA' dan kolom tanggalwaktu 'PartitionDate' dengan nilai '2019-01-01'.
```
workspace = Workspace.from_config()
all_datasets = Dataset.get_all(workspace)
mydata = all_datasets['my-data']
```
  - Memperkenalkan partition_format sebagai argumen ke Dataset.Tabular.from_delimited_files dan Dataset.Tabular.from_parquet.files. Informasi partisi dari setiap jalur data diekstrak ke dalam kolom berdasarkan format yang ditentukan. '{column_name}' membuat kolom string, dan '{column_name:yyyy/MM/dd/HH/mm/ss}' membuat kolom tanggal waktu, di mana 'yyyy', 'MM', 'dd', 'HH', 'mm', dan 'ss' digunakan untuk mengekstrak tahun, bulan, hari, jam, menit, dan detik untuk jenis tanggal waktu. partition_format harus dimulai dari posisi kunci partisi pertama hingga akhir jalur file. Misalnya, mengingat jalur '.. /USA/2019/01/01/data.csv' di mana partisi berdasarkan negara/wilayah dan waktu, partition_format='/{Country}/{PartitionDate:yyyy/MM/dd}/data.csv' membuat kolom string 'Negara' dengan nilai 'USA' dan kolom tanggalwaktu 'PartitionDate' dengan nilai '2019-01-01'.
  - Metode to_csv_files dan to_parquet_files telah ditambahkan ke TabularDataset. Metode ini memungkinkan konversi antara TabularDataset dan FileDataset dengan mengonversi data ke file dari format yang ditentukan.
  - Secara otomatis masuk ke registri citra dasar saat menyimpan Dockerfile yang dihasilkan oleh Model.package().
  - 'gpu_support' tidak lagi diperlukan; AML sekarang secara otomatis mendeteksi dan menggunakan ekstensi docker nvidia jika tersedia. Ini akan dihapus dalam rilis mendatang.
  - Menambahkan dukungan untuk membuat, memperbarui, dan menggunakan PipelineDrafts.
  - Rilis ini meningkatkan performa eksekusi dari eksekusi lokal pembelajaran mesin otomatis.
  - Pengguna bisa mengkueri metrik dari riwayat eksekusi berdasarkan nama.
  - Meningkatkan pengelogan dengan menggunakan pengecualian kustom alih-alih generik dalam tugas prakiraan.
- azureml-explain-model
  - Menambahkan parameter feature_maps ke MimicWrapper baru, memungkinkan pengguna untuk mendapatkan penjelasan fitur mentah.
  - Unggahan himpunan data sekarang nonaktif secara default untuk pengunggahan penjelasan, dan dapat diaktifkan kembali dengan upload_datasets=True
  - Menambahkan parameter pemfilteran "is_law" ke daftar penjelasan dan fungsi unduhan.
  - Menambahkan metode get_raw_explanation(feature_maps) ke objek penjelasan global dan lokal.
  - Menambahkan pemeriksaan versi ke lightgbm dengan peringatan yang dicetak jika di bawah versi yang didukung
  - Penggunaan memori yang dioptimalkan saat membuat batch penjelasan
  - Model AutoML sekarang mengembalikan AutoMLExceptions
- azureml-pipeline-core
  - Menambahkan dukungan untuk membuat, memperbarui, dan menggunakan PipelineDrafts - dapat digunakan untuk mempertahankan definisi saluran yang dapat diubah dan menggunakannya secara interaktif untuk eksekusi
- azureml-train-automl
  - Fitur yang dibuat untuk menginstal versi spesifik dari pytorch v1.1.0, cuda toolkit 9.0, pytorch-transformers yang berkemampuan gpu, yang diperlukan untuk mengaktifkan BERT/ XLNet di lingkungan runtime Python jarak jauh.
- azureml-train-core
  - Kegagalan awal beberapa kesalahan definisi spasi hyperparameter langsung di sdk bukan sisi server.

Azure Machine Learning Data Prep SDK v1.1.14

Perbaikan bug dan peningkatan
- Mengaktifkan penulisan ke ADLS /ADLSGen2 menggunakan jalur dan info masuk mentah.
- Memperbaiki bug yang menyebabkan include_path=True tidak berfungsi untuk read_parquet.
- Memperbaiki kegagalan to_pandas_dataframe() yang disebabkan oleh pengecualian "Nilai properti tidak valid: hostSecret".
- Memperbaiki bug di mana file tidak dapat dibaca di DBFS dalam mode Spark.

2019-08-19

Azure Machine Learning SDK untuk Python v1.0.57

Fitur baru
- Mengaktifkan TabularDataset untuk dikonsumsi oleh AutomatedML. Untuk mempelajari selengkapnya tentang TabularDataset, buka https://aka.ms/azureml/howto/createdatasets.
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Kini Anda dapat memperbarui sertifikat TLS/SSL untuk titik akhir penilaian yang disebarkan pada kluster AKS baik untuk yang dihasilkan Microsoft maupun sertifikat pelanggan.
- azureml-automl-core
  - Memperbaiki masalah di AutoML di mana baris dengan label yang hilang tidak dihapus dengan benar.
  - Meningkatkan pengelogan galat di AutoML; pesan kesalahan penuh sekarang akan selalu ditulis ke file log.
  - AutoML telah memperbarui penyematan paketnya agar menyertakan azureml-defaults, azureml-explain-model, dan azureml-dataprep. AutoML tidak lagi memperingatkan ketidakcocokan paket (kecuali untuk azureml-train-automl paket).
  - Memperbaiki masalah pada timeseries di mana pemisahan cv memiliki ukuran yang tidak sama yang menyebabkan penghitungan bin gagal.
  - Ketika mengeksekusi perulangan ansambel untuk jenis pelatihan Validasi Silang, jika akhirnya mengalami kesulitan saat mengunduh model yang dilatih pada seluruh himpunan data, akan terjadi inkonsistensi antara bobot model dan model yang diberikan ke dalam ansambel pemungutan suara.
  - Memperbaiki kesalahan, yang ditampilkan saat label pelatihan dan/atau validasi (y dan y_valid) disediakan dalam bentuk dataframe panda tetapi tidak sebagai array numpy.
  - Memperbaiki masalah tugas prakiraan ketika Tidak ada yang ditemui di kolom boolean tabel input.
  - Izinkan pengguna AutoML untuk menghilangkan seri pelatihan yang tidak cukup lama saat melakukan prakiraan. - Mengizinkan pengguna AutoML untuk menghilangkan grain dari set pengujian yang tidak ada dalam set pelatihan saat memprakirakan.
- azureml-core
  - Memperbaiki masalah pengurutan parameter blob_cache_timeout.
  - Menambahkan kecocokan eksternal dan mengubah jenis pengecualian ke kesalahan sistem.
  - Menambahkan dukungan untuk rahasia Key Vault untuk eksekusi jarak jauh. azureml.core.keyvault.Keyvault Tambahkan kelas untuk menambahkan, mendapatkan, dan mencantumkan rahasia dari brankas kunci yang terkait dengan ruang kerja Anda. Operasi yang didukung adalah:
    - azureml.core.workspace.Workspace.get_default_keyvault()
    - azureml.core.keyvault.Keyvault.set_secret(name, value)
    - azureml.core.keyvault.Keyvault.set_secrets(secrets_dict)
    - azureml.core.keyvault.Keyvault.get_secret(name)
    - azureml.core.keyvault.Keyvault.get_secrets(secrets_list)
    - azureml.core.keyvault.Keyvault.list_secrets()
    - Lebih banyak metode untuk mendapatkan keyvault default dan mendapatkan rahasia selama eksekusi jarak jauh:
    - azureml.core.workspace.Workspace.get_default_keyvault()
    - azureml.core.run.Run.get_secret(name)
    - azureml.core.run.Run.get_secrets(secrets_list)
  - Menambahkan parameter penimpaan lainnya ke perintah CLI submit-hyperdrive.
  - Meningkatkan keandalan panggilan API akan memperluas percobaan kembali ke pengecualian pustaka permintaan umum.
  - Menambahkan dukungan untuk mengirimkan eksekusi dari eksekusi yang dikirimkan.
  - Memperbaiki masalah token SAS yang kedaluwarsa di FileWatcher, yang menyebabkan file berhenti diunggah setelah token awalnya kedaluwarsa.
  - Pengimporan file csv/tsv HTTP yang didukung dalam himpunan data SDK Python.
  - Penghentian penggunaan metode Workspace.setup(). Pesan peringatan yang ditampilkan kepada pengguna menyarankan untuk menggunakan create() atau get()/from_config() sebagai gantinya.
  - Menambahkan Environment.add_private_pip_wheel(), yang memungkinkan pengunggahan paket Python khusus privat whlke ruang kerja dan menggunakannya dengan aman untuk membangun/mewujudkan lingkungan.
  - Kini Anda dapat memperbarui sertifikat TLS/SSL untuk titik akhir penilaian yang disebarkan pada kluster AKS baik untuk yang dihasilkan Microsoft maupun sertifikat pelanggan.
- azureml-explain-model
  - Menambahkan parameter untuk menambahkan ID model ke penjelasan saat pengunggahan.
  - Menambahkan pemberian tag is_raw ke penjelasan dalam memori dan unggahan.
  - Menambahkan dukungan pytorch dan pengujian untuk paket azureml-explain-model.
- azureml-opendatasets
  - Mendukung deteksi dan pengelogan lingkungan pengujian otomatis.
  - Menambahkan kelas untuk mendapatkan populasi AS berdasarkan kabupaten dan zip.
- azureml-pipeline-core
  - Menambahkan properti label ke definisi port input dan output.
- azureml-telemetry
  - Memperbaiki konfigurasi telemetri yang salah.
- azureml-train-automl
  - Memperbaiki bug di mana pada kegagalan pengaturan, kesalahan tidak dicatat di bidang "kesalahan" untuk eksekusi penyiapan dan karenanya tidak disimpan dalam "kesalahan" eksekusi induk.
  - Memperbaiki masalah di AutoML di mana baris dengan label yang hilang tidak dihapus dengan benar.
  - Mengizinkan pengguna AutoML untuk menghilangkan seri pelatihan yang tidak cukup lama saat memprakirakan.
  - Mengizinkan pengguna AutoML untuk menghilangkan grain dari set pengujian yang tidak ada dalam set pelatihan saat memprakirakan.
  - Sekarang AutoMLStep melewati konfigurasi automl untuk ujung belakang guna menghindari masalah saat perubahan atau penambahan parameter konfigurasi baru.
  - AutoML Data Guardrail sekarang berada di pratinjau publik. Pengguna akan melihat laporan Data Guardrail (untuk tugas klasifikasi/regresi) setelah pelatihan dan juga dapat mengaksesnya melalui SDK API.
- azureml-train-core
  - Menambahkan dukungan torch 1.2 di PyTorch Estimator.
- azureml-widgets
  - Meningkatkan bagan matriks kebingungan untuk pelatihan klasifikasi.

Azure Machine Learning Data Prep SDK v1.1.12

Fitur baru
- Daftar string sekarang dapat diteruskan sebagai input ke metode read_*.
Perbaikan bug dan peningkatan
- Performanya read_parquet sudah ditingkatkan saat dieksekusi di Spark.
- Memperbaiki masalah saat column_type_builder gagal dalam satu kolom dengan format tanggal ambigu.

Portal Azure

Fitur Pratinjau
- Streaming file log dan output sekarang tersedia untuk halaman detail eksekusi. Aliran file diperbarui secara real time saat tombol pratinjau diaktifkan.
- Kemampuan untuk mengatur kuota pada tingkat ruang kerja dirilis dalam pratinjau. Kuota AmlCompute dialokasikan di tingkat langganan, tetapi kami sekarang mengizinkan Anda untuk mendistribusikan kuota tersebut antar-ruang kerja dan mengalokasikannya untuk berbagi dan tata kelola yang adil. Cukup klik pada bilah Penggunaan+Kuota di bilah navigasi kiri ruang kerja Anda dan pilih tab Konfigurasikan Kuota. Anda harus menjadi admin langganan agar dapat menetapkan kuota di tingkat ruang kerja karena ini adalah operasi lintas ruang kerja.

2019-08-05

Azure Machine Learning SDK untuk Python v1.0.55

Fitur baru
- Autentikasi berbasis token sekarang didukung untuk panggilan yang dilakukan ke titik akhir penilaian yang disebarkan pada AKS. Kami terus mendukung autentikasi berbasis kunci saat ini dan pengguna dapat menggunakan salah satu mekanisme autentikasi ini sekaligus.
- Kemampuan untuk mendaftarkan penyimpanan blob yang ada di balik jaringan virtual (VNet) sebagai datastore.
Perbaikan bug dan peningkatan
- azureml-automl-core
  - Memperbaiki bug di mana ukuran validasi untuk pemisahan CV kecil dan menghasilkan grafik yang diprediksi buruk vs. benar untuk regresi dan prakiraan.
  - Pengelogan tugas prakiraan pada eksekusi jarak jauh ditingkatkan, sekarang pengguna diberi pesan kesalahan komprehensif jika eksekusi gagal.
  - Memperbaiki kegagalan Timeseries jika bendera praproses adalah True.
  - Menjadikan beberapa pesan kesalahan validasi data prakiraan lebih dapat ditindaklanjuti.
  - Pengurangan konsumsi memori eksekusi AutoML dengan menghilangkan dan/atau melakukan pemuatan lazy himpunan data, terutama di sela-sela proses spawn
- azureml-contrib-explain-model
  - Menambahkan bendera model_task ke pemberi penjelasan untuk memungkinkan pengguna menimpa logika inferensi otomatis default untuk jenis model
  - Perubahan widget: Memasang secara otomatis dengan contrib, tidak ada lagi pasang/aktifkan nbextension - mendukung penjelasan dengan kepentingan fitur global (misalnya, Permutative)
  - Perubahan dasbor: - Plot kotak dan plot biola selain beeswarm plot pada halaman ringkasan - Penyajian beeswarm plot yang lebih cepat pada perubahan slider 'Top -k' - pesan bermanfaat yang menjelaskan bagaimana top-k dihitung - Pesan berguna yang dapat disesuaikan sebagai pengganti bagan saat data tidak disediakan
- azureml-core
  - Menambahkan metode Model.package() untuk membuat citra Docker dan Dockerfiles yang merangkum model dan dependensinya.
  - Memperbarui layanan web lokal untuk menerima InferenceConfigs yang berisi objek Environment.
  - Memperbaiki Model.register() yang memproduksi model yang tidak valid ketika '.' (untuk direktori saat ini) diteruskan sebagai parameter model_path.
  - Menambahkan Run.submit_child, fungsi mencerminkan Experiment.submit sambil menentukan eksekusi sebagai induk dari eksekusi anak yang dikirimkan.
  - Mendukung opsi konfigurasi dari Model.register di Run.register_model.
  - Kemampuan untuk mengeksekusi pekerjaan JAR pada kluster yang ada.
  - Sekarang mendukung parameter instance_pool_id cluster_log_dbfs_path.
  - Menambahkan dukungan untuk menggunakan objek Environment saat menyebarkan Model ke Layanan Web. Objek Environment sekarang dapat disediakan sebagai bagian dari objek InferenceConfig.
  - Menambahkan pemetaan appinsifht untuk wilayah baru - centralus - westus - northcentralus
  - Menambahkan dokumentasi untuk semua atribut di semua kelas Datastore.
  - Menambahkan parameter blob_cache_timeout ke Datastore.register_azure_blob_container.
  - Menambahkan metode save_to_directory dan load_from_directory ke azureml.core.environment.Environment.
  - Menambahkan perintah "az ml environment download" dan "az ml environment register" ke CLI.
  - Menambahkan metode Environment.add_private_pip_wheel.
- azureml-explain-model
  - Menambahkan pelacakan himpunan data ke Penjelasan menggunakan layanan Himpunan data (pratinjau).
  - Menurunkan ukuran batch default saat streaming penjelasan global dari 10k ke 100.
  - Menambahkan bendera model_task ke penjelasan guna memungkinkan pengguna menimpa logika inferensi otomatis default untuk jenis model.
- azureml-mlflow
  - Memperbaiki bug di mlflow.azureml.build_image di mana direktori yang disarangkan diabaikan.
- azureml-pipeline-steps
  - Menambahkan kemampuan untuk mengeksekusi pekerjaan JAR pada kluster Azure Databricks yang ada.
  - Menambahkan dukungan parameter instance_pool_id dan cluster_log_dbfs_path untuk langkah DatabricksStep.
  - Menambahkan dukungan untuk parameter alur di langkah DatabricksStep.
- azureml-train-automl
  - Menambahkan docstrings untuk file terkait Ensemble.
  - Memperbarui dokumen ke bahasa yang lebih sesuai untuk max_cores_per_iteration dan max_concurrent_iterations
  - Pengelogan tugas prakiraan pada eksekusi jarak jauh ditingkatkan, sekarang pengguna diberi pesan kesalahan komprehensif jika eksekusi gagal.
  - Menghapus get_data dari notebook automlstep alur.
  - Memulai dukungan dataprep dalam automlstep.

Azure Machine Learning Data Prep SDK v1.1.10

Fitur baru
- Anda sekarang dapat meminta untuk menjalankan pemeriksa tertentu (misalnya, histogram, plot sebar, dll.) pada kolom tertentu.
- Menambahkan argumen paralel ke append_columns. Jika True, data dimuat ke dalam memori tetapi eksekusi berjalan secara paralel; jika False, eksekusi adalah streaming tetapi berutas tunggal.

2019-07-23

Azure Machine Learning SDK untuk Python v1.0.53

Fitur baru
- Automated Machine Learning kini mendukung pelatihan model ONNX pada target komputasi jarak jauh
- Azure Machine Learning sekarang menyediakan kemampuan untuk melanjutkan pelatihan dari file eksekusi, titik pemeriksaan, atau model sebelumnya.
  - Pelajari cara menggunakan estimator untuk melanjutkan pelatihan dari eksekusi sebelumnya
Perbaikan bug dan peningkatan
- azure-cli-ml
  - Perintah CLI "model deploy" dan "service update" sekarang menerima parameter, file konfigurasi, atau kombinasi keduanya. Parameter lebih diutamakan daripada atribut dalam file.
  - Deskripsi model sekarang dapat diperbarui setelah pendaftaran
- azureml-automl-core
  - Memperbarui dependensi NimbusML ke versi 1.2.0 (terbaru saat ini).
  - Menambahkan dukungan untuk estimator & alur NimbusML yang akan digunakan dalam estimator AutoML.
  - Memperbaiki bug dalam prosedur pemilihan Ensemble yang meningkatkan ansambel yang dihasilkan secara tidak perlu, bahkan jika skor tetap konstan.
  - Mengaktifkan penggunaan kembali beberapa fiturisasi di seluruh Pemisahan CV untuk tugas prakiraan. Ini mempercepat run-time penyiapan yang dieksekusi dengan kira-kira faktor n_cross_validations untuk fiturisasi mahal seperti lag dan jendela bergulir.
  - Mengatasi masalah jika waktu di luar rentang waktu yang didukung panda. Kami sekarang menampilkan DataException jika waktu kurang dari pd.Timestamp.min atau lebih besar dari pd.Timestamp.max
  - Prakiraan sekarang memungkinkan frekuensi yang berbeda dalam set pelatihan dan pengujian jika frekuensi tersebut dapat diratakan. Misalnya, "triwulanan mulai Januari" dan pada "triwulanan mulai Oktober" dapat diratakan.
  - Properti "parameter" ditambahkan ke TimeSeriesTransformer.
  - Menghapus kelas pengecualian lama.
  - Dalam tugas prakiraan, parameter target_lags sekarang menerima satu nilai bilangan bulat atau daftar bilangan bulat. Jika bilangan bulat disediakan, hanya satu jeda yang dibuat. Jika daftar disediakan, nilai unik jeda diambil. target_lags=[1, 2, 2, 4] menciptakan jeda satu, dua, dan empat periode.
  - Memperbaiki bug tentang kehilangan jenis kolom setelah transformasi (bug ditautkan);
  - Dalam model.forecast(X, y_query), izinkan y_query menjadi jenis objek yang berisi Tidak ada di awal (#459519).
  - Menambahkan nilai yang diharapkan ke output automl
- azureml-contrib-datadrift
  - Peningkatan pada notebook contoh termasuk beralih ke azureml-opendatasets alih-alih azureml-contrib-opendatasets dan peningkatan performa saat memperkaya data
- azureml-contrib-explain-model
  - Memperbaiki argumen transformasi untuk pemberi penjelasan LIME untuk kepentingan fitur mentah dalam paket azureml-contrib-explain-model
  - Menambahkan segmentasi ke penjelasan citra dalam pemberi penjelasan citra untuk paket AzureML-contrib-explain-model
  - Menambahkan dukungan ringan scipy untuk LimeExplainer
  - Menambahkan batch_size ke penjelasan mimik ketika include_local=False, untuk penjelasan global streaming dalam batch untuk meningkatkan waktu eksekusi DecisionTreeExplainableModel
- azureml-contrib-featureengineering
  - Perbaikan untuk memanggil set_featurizer_timeseries_params(): dict value type change dan null check - Tambahkan notebook untuk fitur timeseries
  - Memperbarui dependensi NimbusML ke versi 1.2.0 (terbaru saat ini).
- azureml-core
  - Menambahkan kemampuan untuk melampirkan datastore DBFS di Azure Pembelajaran Mesin CLI
  - Memperbaiki bug dengan pengunggahan datastore di mana folder kosong dibuat jika target_path dimulai dengan /
  - Memperbaiki masalah deepcopy dalam ServicePrincipalAuthentication.
  - Menambahkan perintah "az ml environment show" dan "az ml environment list" ke CLI.
  - Environment sekarang mendukung menentukan base_dockerfile sebagai alternatif untuk base_image yang sudah dibangun.
  - Pengaturan RunConfiguration yang tidak digunakan, auto_prepare_environment, telah ditandai sebagai tidak digunakan lagi.
  - Deskripsi model sekarang dapat diperbarui setelah pendaftaran
  - Perbaikan bug: Penghapusan Model dan Citra sekarang memberikan informasi lebih lanjut tentang mengambil objek upstram yang bergantung padanya jika penghapusan gagal karena dependensi upstram.
  - Memperbaiki bug yang mencetak durasi kosong untuk penyebaran yang terjadi saat membuat ruang kerja untuk beberapa lingkungan.
  - Meningkatkan pengecualian kegagalan untuk pembuatan ruang kerja. Sedemikian rupa sehingga pengguna tidak melihat "Tidak dapat membuat ruang kerja. Tak dapat menemukan..." sebagai pesan dan sebaliknya, melihat kegagalan pembuatan yang sebenarnya.
  - Menambahkan dukungan untuk autentikasi token di layanan web AKS.
  - Menambahkan metode get_token() ke objek Webservice.
  - Menambahkan dukungan CLI untuk mengelola himpunan data pembelajaran mesin.
  - Datastore.register_azure_blob_container sekarang secara opsional mengambil nilai blob_cache_timeout (dalam detik) yang mengkonfigurasi parameter pasang blobfuse guna mengaktifkan kedaluwarsa cache untuk datastore ini. Defaultnya adalah tidak ada batas waktu, seperti ketika blob dibaca, blob tetap berada di cache lokal hingga pekerjaan selesai. Sebagian besar pekerjaan lebih suka pengaturan ini, tetapi beberapa pekerjaan perlu membaca lebih banyak data dari himpunan data besar daripada yang akan cocok pada simpul mereka. Untuk pekerjaan ini, menyetel parameter ini membantu mereka berhasil. Berhati-hatilah saat menyetel parameter ini: mengatur nilai terlalu rendah dapat mengakibatkan performa yang buruk, karena data yang digunakan dalam epoch mungkin kedaluwarsa sebelum digunakan lagi. Semua bacaan dilakukan dari penyimpanan/jaringan blob daripada cache lokal, yang berdampak negatif pada waktu pelatihan.
  - Deskripsi model sekarang dapat diperbarui dengan benar setelah pendaftaran
  - Penghapusan Model dan Citra sekarang menyediakan informasi lebih lanjut tentang objek upstram yang bergantung padanya, yang menyebabkan penghapusan gagal
  - Meningkatkan pemanfaatan sumber daya dari eksekusi jarak jauh menggunakan azureml.mlflow.
- azureml-explain-model
  - Memperbaiki argumen transformasi untuk pemberi penjelasan LIME untuk kepentingan fitur mentah dalam paket azureml-contrib-explain-model
  - menambahkan dukungan ringan scipy untuk LimeExplainer
  - menambahkan pembungkus penjelas linier bentuk, dan tingkat lain ke penjelas tabular untuk menjelaskan model linier
  - untuk pemberi penjelasan mimik dalam pustaka model penjelasan, memperbaiki kesalahan saat include_local=False untuk input data ringan
  - menambahkan nilai yang diharapkan ke output automl
  - memperbaiki kepentingan fitur permutasi ketika argumen transformasi disediakan untuk mendapatkan kepentingan fitur mentah
  - menambahkan batch_size ke pemberi penjelasan mimik ketika include_local=False, untuk penjelasan global streaming dalam batch guna meningkatkan waktu eksekusi DecisionTreeExplainableModel
  - untuk pustaka kemampuan penjelasan model, memperbaiki pemberi penjelasan blackbox di mana input dataframe panda diperlukan untuk prediksi
  - Memperbaiki bug di mana explanation.expected_values kadang-kadang akan mengembalikan float alih-alih daftar dengan float di dalamnya.
- azureml-mlflow
  - Meningkatkan performa mlflow.set_experiment(experiment_name)
  - Memperbaiki bug dalam penggunaan InteractiveLoginAuthentication untuk mlflow tracking_uri
  - Meningkatkan pemanfaatan sumber daya dari eksekusi jarak jauh menggunakan azureml.mlflow.
  - Meningkatkan dokumentasi paket azureml-mlflow
  - Patch bug di mana mlflow.log_artifacts("my_dir") menyimpan artefak di bawah my_dir/<artifact-paths> alih-alih <artifact-paths>
- azureml-opendatasets
  - Penyematan pyarrow dari opendatasets ke versi lama (<0.14.0) karena masalah memori yang baru diperkenalkan di sana.
  - Memindahkan azureml-contrib-opendatasets ke azureml-opendatasets.
  - Izinkan kelas himpunan data terbuka didaftarkan ke ruang kerja Azure Pembelajaran Mesin dan gunakan kemampuan Himpunan Data AML dengan mulus.
  - Meningkatkan performa perkaya NoaaIsdWeather dalam versi non-SPARK secara signifikan.
- azureml-pipeline-steps
  - DBFS Datastore sekarang didukung untuk Input dan Output di DatabricksStep.
  - Dokumentasi yang diperbarui untuk Langkah Azure Batch mengenai input/output.
  - Di AzureBatchStep, mengubah nilai default delete_batch_job_after_finish menjadi true.
- azureml-telemetry
  - Memindahkan azureml-contrib-opendatasets ke azureml-opendatasets.
  - Izinkan kelas himpunan data terbuka didaftarkan ke ruang kerja Azure Pembelajaran Mesin dan gunakan kemampuan Himpunan Data AML dengan mulus.
  - Meningkatkan performa perkaya NoaaIsdWeather dalam versi non-SPARK secara signifikan.
- azureml-train-automl
  - Dokumentasi yang diperbarui tentang get_output untuk mencerminkan jenis pengembalian aktual dan memberikan catatan lain tentang mengambil properti kunci.
  - Memperbarui dependensi NimbusML ke versi 1.2.0 (terbaru saat ini).
  - menambahkan nilai yang diharapkan ke output automl
- azureml-train-core
  - String sekarang diterima sebagai target komputasi untuk Penyetelan Hyperparameter Otomatis
  - Pengaturan RunConfiguration yang tidak digunakan, auto_prepare_environment, telah ditandai sebagai tidak digunakan lagi.

Azure Machine Learning Data Prep SDK v1.1.9

Fitur baru
- Menambahkan dukungan untuk membaca file langsung dari url http atau https.
Perbaikan bug dan peningkatan
- Meningkatkan pesan kesalahan yang saat mencoba membaca Himpunan data Parquet dari sumber jarak jauh (yang saat ini tidak didukung).
- Memperbaiki bug menulis ke format file Parquet di ADLS Gen 2, dan memperbarui nama kontainer ADLS Gen 2 di jalur tersebut.

2019-07-09

Antarmuka Visual

Fitur pratinjau
- Menambahkan modul "Jalankan skrip R" di antarmuka visual.

Azure Machine Learning SDK untuk Python v1.0.48

Fitur baru
- azureml-opendatasets
  - azureml-contrib-opendatasets sekarang tersedia sebagai azureml-opendatasets. Paket lama masih dapat berfungsi, tetapi sebaiknya gunakan azureml-opendatasets ke depannya untuk kemampuan dan peningkatan yang lebih kaya.
  - Paket baru ini memungkinkan Anda mendaftarkan himpunan data terbuka sebagai Himpunan Data di ruang kerja Azure Pembelajaran Mesin, dan menggunakan fungsi apa pun yang ditawarkan Himpunan Data.
  - Paket ini juga menyertakan kemampuan yang sudah ada seperti mengonsumsi himpunan data terbuka sebagai dataframe Panda/SPARK, dan gabungan lokasi untuk beberapa himpunan data seperti cuaca.
Fitur pratinjau
- HyperDriveConfig sekarang dapat menerima objek alur sebagai parameter untuk mendukung penyetelan hyperparameter menggunakan alur.
Perbaikan bug dan peningkatan
- azureml-train-automl
  - Memperbaiki bug tentang kehilangan jenis kolom setelah transformasi.
  - Memperbaiki bug untuk mengizinkan y_query sebagai jenis objek yang berisi Tidak ada di awal.
  - Memperbaiki masalah dalam prosedur pemilihan Ensemble yang meningkatkan ansambel yang dihasilkan secara tidak perlu, bahkan jika skor tetap konstan.
  - Memperbaiki masalah mengizinkan list_models dan memblokir list_models di AutoMLStep.
  - Memperbaiki masalah yang mencegah penggunaan pra-pemrosesan saat AutoML akan digunakan dalam konteks Azure Pembelajaran Mesin Pipelines.
- azureml-opendatasets
  - Memindahkan azureml-contrib-opendatasets ke azureml-opendatasets.
  - Kelas himpunan data terbuka yang diizinkan untuk didaftarkan ke ruang kerja Azure Pembelajaran Mesin dan menggunakan kemampuan Himpunan Data AML dengan mulus.
  - Meningkatkan performa perkaya NoaaIsdWeather dalam versi non-SPARK secara signifikan.
- azureml-explain-model
  - Memperbarui dokumentasi online untuk objek interpretabilitas.
  - Menambahkan batch_size untuk meniru penjelasan ketika include_local=False, untuk penjelasan global streaming dalam batch untuk meningkatkan waktu eksekusi DecisionTreeExplainableModel untuk pustaka kemampuan penjelasan model.
  - Memperbaiki masalah di mana explanation.expected_values kadang-kadang akan mengembalikan float daripada daftar dengan float di dalamnya.
  - Menambahkan nilai yang diharapkan ke output automl untuk penjelasan mimik di pustaka model pemberi penjelasan.
  - Memperbaiki kepentingan fitur permutasi ketika argumen transformasi disediakan untuk mendapatkan kepentingan fitur mentah.
- azureml-core
  - Menambahkan kemampuan untuk melampirkan datastore DBFS di Azure Pembelajaran Mesin CLI.
  - Memperbaiki masalah pengunggahan datastore di mana folder kosong dibuat jika target_path dimulai dengan /.
  - Mengaktifkan perbandingan dua himpunan data.
  - Penghapusan Model dan Citra sekarang menyediakan informasi lebih lanjut tentang mengambil objek upstram yang bergantung padanya jika penghapusan gagal karena dependensi upstram.
  - Menghentikan penggunaan pengaturan RunConfiguration yang tidak digunakan di auto_prepare_environment.
- azureml-mlflow
  - Meningkatkan pemanfaatan sumber daya dari eksekusi jarak jauh yang menggunakan azureml.mlflow.
  - Meningkatkan dokumentasi paket azureml-mlflow.
  - Memperbaiki masalah di mana mlflow.log_artifacts("my_dir") akan menyimpan artefak di bawah "my_dir/artifact-paths" alih-alih "artifact-paths".
- azureml-pipeline-core
  - Parameter hash_paths untuk semua langkah alur tidak digunakan lagi dan akan dihapus di masa mendatang. Secara default konten source_directory di-hash (kecuali file yang tercantum di .amlignore atau .gitignore)
  - Melanjutkan peningkatan Module dan ModuleStep untuk mendukung modul type-specific komputasi, untuk mempersiapkan integrasi RunConfiguration dan perubahan lain guna membuka kunci penggunaan modul type-specific komputasi di alur.
- azureml-pipeline-steps
  - AzureBatchStep: Dokumentasi yang ditingkatkan tentang input/output.
  - AzureBatchStep: Mengubah nilai default delete_batch_job_after_finish ke true.
- azureml-train-core
  - String sekarang diterima sebagai target komputasi untuk Penyetelan Hyperparameter Otomatis.
  - Menghentikan penggunaan pengaturan RunConfiguration yang tidak digunakan di auto_prepare_environment.
  - Menghentikan penggunaan parameter conda_dependencies_file_path dan pip_requirements_file_path demi mendukung conda_dependencies_file dan pip_requirements_file.
- azureml-opendatasets
  - Meningkatkan performa perkaya NoaaIsdWeather dalam versi non-SPARK secara signifikan.

2019-04-26

Azure Machine Learning SDK untuk Python v1.0.33 dirilis.

Azure Pembelajaran Mesin Hardware Accelerated Models pada FPGA umumnya tersedia.
- Anda sekarang dapat menggunakan paket azureml-accel-models untuk:
  - Melatih bobot jaringan saraf dalam yang didukung (ResNet 50, ResNet 152, DenseNet-121, VGG-16, dan SSD-VGG)
  - Menggunakan pembelajaran transfer dengan DNN yang didukung
  - Mendaftarkan model dengan Layanan Manajemen Model dan menempatkan model dalam kontainer
  - Menyebarkan model ke Azure VM dengan FPGA di kluster Azure Kubernetes Service (AKS)
- Menyebarkan kontainer ke perangkat server Azure Stack Edge
- Menilai data Anda dengan titik akhir gRPC dengan sampel ini

Pembelajaran Mesin Otomatis

Sweeping fitur untuk memungkinkan penambahan featurizers secara dinamis untuk pengoptimalan performa. Baru featurizers: penyematan kerja, bobot bukti, pengkodean target, pengkodean target teks, jarak kluster
CV Cerdas untuk menangani pemisahan pelatihan/valid di dalam ML otomatis
Beberapa perubahan pengoptimalan memori dan peningkatan performa runtime
Meningkatkan performa dalam penjelasan model
Konversi model ONNX untuk eksekusi lokal
Menambahkan dukungan Subsampling
Pemberhentian Cerdas ketika tidak ada kriteria keluar yang ditentukan
Ansambel yang bertumpuk
Prakiraan Rangkaian Waktu
- Fungsi prakiraan prediksi baru
- Anda sekarang dapat menggunakan validasi silang rolling-origin pada data rangkaian waktu
- Fungsionalitas baru ditambahkan untuk mengonfigurasi lag rangkaian waktu
- Fungsionalitas baru ditambahkan untuk mendukung fitur agregat jendela bergulir
- Deteksi dan featurizer Hari Libur Baru saat kode negara/wilayah didefinisikan dalam pengaturan eksperimen
Azure Databricks
- Mengaktifkan prakiraan rangkaian waktu dan kemampuan penjelasan/interpretabilitas model
- Anda sekarang dapat membatalkan dan melanjutkan eksperimen ML otomatis
- Menambahkan dukungan untuk pemrosesan multicore

MLOps

Penyebaran lokal & penelusuran kesalahan untuk penilaian kontainer
Anda sekarang dapat menyebarkan model ML secara lokal dan melakukan iterasi dengan cepat pada file penilaian dan dependensi Anda untuk memastikan mereka berperilaku seperti yang diharapkan.
Memperkenalkan InferenceConfig & Model.deploy()
Penyebaran model sekarang mendukung penentuan folder sumber dengan skrip entri, sama dengan RunConfig. Selain itu, penyebaran model telah disederhanakan ke satu perintah.
Pelacakan referensi Git
Pelanggan sudah cukup lama meminta kemampuan integrasi Git dasar karena kemampuan ini membantu mempertahankan jejak audit lengkap. Kami telah menerapkan pelacakan di seluruh entitas utama di Azure Pembelajaran Mesin untuk metadata terkait Git (repositori, penerapan, status bersih). Informasi ini akan dikumpulkan secara otomatis oleh SDK dan CLI.
Layanan pembuatan profil & validasi model
Pelanggan sering mengeluhkan kesulitan untuk menentukan dengan benar ukuran komputasi yang terkait dengan layanan inferensi mereka. Dengan layanan pembuatan profil model kami, pelanggan dapat memberikan input sampel dan kami membuat profil di 16 konfigurasi CPU/memori yang berbeda untuk menentukan ukuran optimal untuk penyebaran.
Bawa citra dasar Anda sendiri untuk inferensi
Keluhan umum lainnya adalah kesulitan dalam berpindah dari eksperimen ke dependensi berbagai RE inferensi. Dengan kemampuan berbagi citra dasar baru kami, Anda sekarang dapat menggunakan kembali citra, dependensi, dan semua dasar eksperimen Anda, untuk inferensi. Ini akan mempercepat penyebaran dan mengurangi celah dari perulangan dalam ke luar.
Meningkatkan pengalaman pembuatan skema Swagger
Metode pembuatan swagger kami sebelumnya rentan terhadap kesalahan dan tidak mungkin untuk diotomatisasi. Kami memiliki cara sebaris baru untuk membuat skema swagger dari fungsi Python melalui dekorator. Kami telah membuka sumber kode ini dan protokol pembuatan skema kami tidak digabungkan ke platform Azure Pembelajaran Mesin.
Azure Pembelajaran Mesin CLI tersedia secara umum (GA)
Model sekarang dapat disebarkan dengan satu perintah CLI. Kami mendapat umpan balik pelanggan yang umum bahwa tidak ada yang menyebarkan model ML dari notebook Jupyter. Dokumentasi referensi CLI telah diperbarui.

2019-04-22

Azure Machine Learning SDK untuk Python v1.0.30 dirilis.

PipelineEndpoint diperkenalkan untuk menambahkan versi alur yang diterbitkan yang baru sambil mempertahankan titik akhir yang sama.

2019-04-15

Portal Azure

Kini Anda bisa mengirim ulang Skrip yang ada yang dieksekusi pada kluster komputasi jarak jauh yang ada.
Sekarang Anda dapat mengeksekusi alur yang diterbitkan dengan parameter baru pada tab Alur.
Detail eksekusi sekarang mendukung penampil file Rekam jepret baru. Anda dapat melihat rekam jepret direktori saat mengirimkan eksekusi tertentu. Anda juga dapat mengunduh notebook yang dikirimkan untuk memulai eksekusi.
Sekarang Anda dapat membatalkan eksekusi induk dari portal Azure.

2019-04-08

Azure Machine Learning SDK untuk Python v1.0.23

Fitur baru
- Azure Machine Learning SDK sekarang mendukung Python 3.7.
- DNN Estimator Azure Machine Learning kini menyediakan dukungan multi-versi bawaan. Misalnya, estimator TensorFlow sekarang menerima parameter framework_version, dan pengguna dapat menentukan versi '1.10' atau '1.12'. Untuk daftar versi yang didukung oleh rilis SDK Anda saat ini, hubungi get_supported_versions() pada kelas kerangka kerja yang diinginkan (misalnya, TensorFlow.get_supported_versions()). Untuk daftar versi yang didukung oleh rilis SDK terbaru, lihat dokumentasi DNN Estimator.

2019-03-25

Azure Machine Learning SDK untuk Python v1.0.21

Fitur baru
- Metode azureml.core.Run.create_children memungkinkan pembuatan beberapa eksekusi anak latensi rendah dengan satu panggilan.

2019-03-11

Azure Machine Learning SDK untuk Python v1.0.18

Perubahan
- Paket azureml-tensorboard menggantikan azureml-contrib-tensorboard.
- Dengan rilis ini, Anda dapat menyiapkan akun pengguna pada kluster komputasi terkelola (amlcompute), saat membuatnya. Ini dapat dilakukan dengan meneruskan properti ini dalam konfigurasi provisi. Anda dapat menemukan detail selengkapnya dalam dokumentasi referensi SDK.

Azure Machine Learning Data Prep SDK v1.0.17

Fitur baru
- Sekarang mendukung penambahan dua kolom numerik untuk membuat kolom hasil menggunakan bahasa ekspresi.
Perbaikan bug dan peningkatan
- Meningkatkan dokumentasi dan pemeriksaan parameter untuk random_split.

2019-02-27

Azure Machine Learning Data Prep SDK v1.0.16

Perbaikan bug
- Memperbaiki masalah autentikasi Perwakilan Layanan yang disebabkan oleh perubahan API.

2019-02-25

Azure Machine Learning SDK untuk Python v1.0.17

Fitur baru
- Azure Machine Learning sekarang menyediakan dukungan kelas satu untuk Chainer kerangka kerja DNN populer. Menggunakan kelas Chainer pengguna dapat dengan mudah melatih dan menyebarkan model Chainer.
  - Pelajari cara mengeksekusi penyetelan hyperparameter dengan Chainer menggunakan HyperDrive
- Alur Azure Machine Learning menambahkan kemampuan untuk memicu eksekusi Alur berdasarkan modifikasi datastore. Notebook jadwal alur diperbarui untuk menampilkan fitur ini.
Perbaikan bug dan peningkatan
- Kami telah menambahkan dukungan dalam alur Azure Machine Learning untuk mengatur properti source_directory_data_store ke datastore yang diinginkan (seperti penyimpanan blob) pada RunConfigurations yang disediakan ke PythonScriptStep. Secara default Langkah-langkah menggunakan penyimpanan File Azure sebagai datastore pendukung, yang mungkin mengalami masalah pembatasan ketika sejumlah besar langkah dieksekusi secara bersamaan.

Portal Azure

Fitur baru
- Pengalaman editor tabel seret dan drop baru untuk laporan. Pengguna dapat menyeret kolom dari well ke area tabel tempat pratinjau tabel akan ditampilkan. Kolom dapat disusun ulang.
- Penampil File log baru
- Link ke eksekusi, komputasi, model, citra, dan penyebaran eksperimen dari tab aktivitas

Langkah berikutnya

Baca ringkasan untuk Azure Machine Learning.

Bagikan melalui

Catatan rilis SDK Python Azure Machine Learning

2024-04-29

Azure Pembelajaran Mesin SDK untuk Python v1.56.0

2024-01-29

Azure Pembelajaran Mesin SDK untuk Python v1.55.0

2023-11-13

2023-08-21

Azure Pembelajaran Mesin SDK untuk Python v1.53.0

2023-06-26

Azure Pembelajaran Mesin SDK untuk Python v1.52.0

2023-05-20

Azure Pembelajaran Mesin SDK untuk Python v1.51.0

2023-04-10

Azure Pembelajaran Mesin SDK untuk Python v1.50.0

2023-03-01

Mengumumkan akhir dukungan untuk Python 3.7 di paket Azure Pembelajaran Mesin SDK v1

2023-13-02

Azure Pembelajaran Mesin SDK untuk Python v1.49.0

2022-12-05

Azure Pembelajaran Mesin SDK untuk Python v1.48.0

2022-10-25

Azure Pembelajaran Mesin SDK untuk Python v1.47.0

2022-09-26

Azure Pembelajaran Mesin SDK untuk Python v1.46.0

29-08-2-2022

SDK Azure Machine Learning untuk Python v1.45.0

01-08-2022

SDK Azure Machine Learning untuk Python v1.44.0

2022-07-21

Mengumumkan akhir dukungan untuk Python 3.6 di paket Azure Pembelajaran Mesin SDK v1

27-06-2022

2022-04-25

SDK Pembelajaran Mesin Azure untuk Python v1.41.0

2022-03-28

SDK Azure Machine Learning untuk Python v1.40.0

2022-02-28

SDK Azure Machine Learning untuk Python v1.39.0

2022-01-24

SDK Azure Machine Learning untuk Python v1.38.0

2021-12-13

SDK Azure Machine Learning untuk Python v1.37.0

08-11-2021

SDK Azure Machine Learning untuk Python v1.36.0

11-10-2021

SDK Azure Machine Learning untuk Python v1.35.0

2021-09-07

Azure Machine Learning SDK untuk Python v1.34.0

24-08-2021

Antarmuka Pengguna Eksperimen Azure Machine Learning

18-08-2021

Antarmuka Pengguna Eksperimen Azure Machine Learning

02-08-2021

Azure Machine Learning SDK untuk Python v1.33.0

06-07-2021

Azure Machine Learning SDK untuk Python v1.32.0

21-06-2021

Azure Machine Learning SDK untuk Python v1.31.0

07-06-2021

Azure Machine Learning SDK untuk Python v1.30.0

2021-05-25

Mengumumkan CLI (v2) untuk Azure Pembelajaran Mesin

Azure Machine Learning SDK untuk Python v1.29.0

2021-05-10

Azure Machine Learning SDK untuk Python v1.28.0

2021-04-19

Azure Machine Learning SDK untuk Python v1.27.0

2021-04-05

Azure Machine Learning SDK untuk Python v1.26.0

2021-03-22

Azure Machine Learning SDK untuk Python v1.25.0

2021-03-31

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Maret)

2021-03-08

Azure Machine Learning SDK untuk Python v1.24.0

2021-02-28

Pengalaman Notebook studio Azure Machine Learning (Pembaruan Februari)

2021-02-16

Azure Machine Learning SDK untuk Python v1.23.0

2021-02-09