Condividi tramite

Che cosa sono l'interfaccia della riga di comando di Azure Machine Learning v2 e Python SDK v2?

  • Articolo

SI APPLICA A:Estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)Python SDK azure-ai-ml v2 (corrente)

L'interfaccia della riga di comando di Azure Machine Learning v2 (interfaccia della riga di comando v2) e Azure Machine Learning Python SDK v2 (SDK v2) introducono una coerenza delle funzionalità e della terminologia tra le interfacce. Per creare questa coerenza, la sintassi dei comandi differisce, in alcuni casi in modo significativo, dalle prime versioni (v1).

Non i sono differenze nelle funzionalità tra l'interfaccia della riga di comando v2 e SDK v2. L'interfaccia della riga di comando basata su riga di comando potrebbe risultare più utile nei tipi di scenari MLOps CI/CD, mentre SDK potrebbe risultare più pratico per lo sviluppo.

Interfaccia della riga di comando di Azure Machine Learning v2

L'interfaccia della riga di comando di Azure Machine Learning v2 è l'estensione più recente per l'interfaccia della riga di comando di Azure. L'interfaccia della riga di comando v2 fornisce comandi in formato az ml <nome><verbo><opzioni> per creare e gestire asset e flussi di lavoro di apprendimento automatico. Gli asset o i flussi di lavoro stessi vengono definiti usando un file YAML. Il file YAML definisce la configurazione dell'asset o del flusso di lavoro. Ad esempio, che cos'è e dove deve essere eseguito?

Alcuni esempi di comandi dell'interfaccia della riga di comando v2:

  • az ml job create --file my_job_definition.yaml
  • az ml environment update --name my-env --file my_updated_env_definition.yaml
  • az ml model list
  • az ml compute show --name my_compute

Casi d'uso per l'interfaccia della riga di comando v2

L'interfaccia della riga di comando v2 è utile negli scenari seguenti:

  • Eseguire l'onboarding in Machine Learning senza dover apprendere un linguaggio di programmazione specifico.

    Il file YAML definisce la configurazione dell'asset o del flusso di lavoro, ad esempio che cos'è e dove deve essere eseguito. Qualsiasi IP o logica personalizzata in uso, ad esempio preparazione dei dati, training del modello e assegnazione dei punteggi del modello, può rimanere nei file di script. Questi file sono indicati in YAML, ma non fanno parte di YAML. Machine Learning supporta i file di script in Python, R, Java, Julia o C#. Tutto quello che serve sapere sono il formato YAML e le righe di comando per usare Machine Learning. È possibile attenersi ai file di script di propria scelta.

  • Sfruttare la facilità di distribuzione e automazione.

    L'uso della riga di comando per l'esecuzione semplifica la distribuzione e l'automazione, poiché è possibile richiamare flussi di lavoro da qualsiasi offerta o piattaforma, il che consente agli utenti di chiamare la riga di comando.

  • Usare distribuzioni di inferenza gestite.

    Machine Learning offre endpoint per semplificare le distribuzioni dei modelli sia per le distribuzioni in tempo reale che per le distribuzioni di inferenza batch. Questa funzionalità è disponibile solo tramite la versione 2 dell'interfaccia della riga di comando e dell'SDK.

  • Riutilizzare i componenti nelle pipeline.

    Machine Learning introduce i componenti per la gestione e il riutilizzo della logica comune tra le pipeline. Questa funzionalità è disponibile solo tramite la versione 2 dell'interfaccia della riga di comando e dell'SDK.

Azure Machine Learning Python SDK v2

Azure Machine Learning Python SDK v2 è un pacchetto Python SDK aggiornato che consente agli utenti di:

  • Inviare processi di training.
  • Gestire dati, modelli e ambienti.
  • Eseguire l'inferenza gestita (in tempo reale e in batch).
  • Unire più attività e flussi di lavoro di produzione usando le pipeline di Machine Learning.

SDK v2 è analogo alla funzionalità dell'interfaccia della riga di comando v2 ed è coerente nel modo in cui gli asset (nomi) e le azioni (verbi) vengono usati tra SDK e l'interfaccia della riga di comando. Ad esempio, per elencare un asset, è possibile usare l'azione list sia nell'SDK che nell'interfaccia della riga di comando. È possibile usare la stessa azione list per elencare un calcolo, un modello, un ambiente e così via.

Casi d'uso per SDK v2

SDK v2 è utile negli scenari seguenti:

  • Usare le funzioni Python per creare un singolo passaggio o un flusso di lavoro complesso.

    SDK v2 consente di compilare un singolo comando o una catena di comandi come le funzioni Python. Il comando ha un nome e dei parametri, prevede un input e restituisce un output.

  • Passare da concetti semplici a complessi in modo incrementale.

    SDK v2 consente di:

    • Costruire un singolo comando.
    • Aggiungere uno sweep di iper-parametri sopra il comando.
    • Aggiungere il comando ad altri in una pipeline, uno dopo l'altro.

    Questo costrutto è utile a causa della natura iterativa dell'apprendimento automatico.

  • Riutilizzare i componenti nelle pipeline.

    Machine Learning introduce i componenti per la gestione e il riutilizzo della logica comune tra le pipeline. Questa funzionalità è disponibile solo tramite la versione 2 dell'interfaccia della riga di comando e dell'SDK.

  • Usare l'inferenza gestita.

    Machine Learning offre endpoint per semplificare le distribuzioni dei modelli sia per le distribuzioni in tempo reale che per le distribuzioni di inferenza batch. Questa funzionalità è disponibile solo tramite la versione 2 dell'interfaccia della riga di comando e dell'SDK.

È consigliabile usare v1 o v2?

Il supporto per l'interfaccia della riga di comando v1 terminerà il 30 settembre 2025.

È consigliabile eseguire la migrazione del codice per l'interfaccia della riga di comando e SDK v1 all'interfaccia della riga di comando e a SDK v2. Per altre informazioni, vedere Aggiornamento alla v2.

Interfaccia della riga di comando v2

L'interfaccia della riga di comando di Azure Machine Learning v1 è stata deprecata. L’assistenza per l'estensione v1 terminerà il 30 settembre 2025. Sarà possibile installare e usare l'estensione v1 fino a tale data.

Consigliamo di passare all'estensione ml, o v2, prima del 30 settembre 2025.

SDK v2

Azure Machine Learning Python SDK v1 non ha una data di deprecazione pianificata. Se si hanno investimenti significativi in Python SDK v1 e non sono necessarie le nuove funzionalità offerte da SDK v2, è possibile continuare a usare SDK v1. È tuttavia consigliabile usare SDK v2 se:

  • Si vogliono usare nuove funzionalità, ad esempio componenti riutilizzabili e inferenza gestita.
  • Si sta avviando un nuovo flusso di lavoro o una nuova pipeline. Tutte le nuove funzionalità e gli investimenti futuri verranno introdotti nella versione 2.
  • Si vuole sfruttare l'usabilità migliorata della capacità di Python SDK v2 di comporre processi e pipeline usando funzioni Python, con un'evoluzione semplice da attività semplici a complesse.

Contenuto correlato