Libreria client del pacchetto Azure ML per Python - versione 1.12.1

Articolo
11/17/2023

Microsoft è lieta di presentare la disponibilità generale di Python SDK di Azure Machine Learning v2. Python SDK v2 introduce nuove funzionalità dell'SDK, ad esempio processi locali autonomi, componenti riutilizzabili per le pipeline e inferenza online/batch gestita. Python SDK v2 consente di passare da attività semplici a complesse in modo semplice e incrementale. Questa funzionalità è abilitata usando un modello a oggetti comune che porta il riutilizzo del concetto e la coerenza delle azioni tra varie attività. L'SDK v2 condivide le basi con l'interfaccia della riga di comando v2, disponibile anche a livello generale.

Questo pacchetto è stato testato con Python 3.7, 3.8, 3.9 e 3.10.

Per un set più completo di librerie di Azure, vedere https://aka.ms/azsdk/python/all

Introduzione

Prerequisiti

Python 3.7 o versione successiva è necessario per usare questo pacchetto.
È necessario avere una sottoscrizione di Azure.
Un'area di lavoro di Azure Machine Learning.

Installare il pacchetto

Installare la libreria client di Azure ML per Python con pip:

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

Autenticare il client

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

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

Concetti chiave

Azure Machine Learning Python SDK v2 include molte nuove funzionalità, ad esempio processi locali autonomi, componenti riutilizzabili per le pipeline e inferenza online/batch gestita. L'SDK v2 offre coerenza e facilità d'uso in tutti gli asset della piattaforma. Python SDK v2 offre le funzionalità seguenti:

Eseguire processi autonomi : eseguire un'attività di Machine Learning discreta come processo. Questo processo può essere eseguito in locale o nel cloud. Attualmente sono supportati i tipi di processi seguenti:
- Comando: eseguire un comando (Python, R, Comando Windows, Shell Linux e così via)
- Sweep : eseguire uno sweep di iperparametri nel comando
Eseguire più processi usando le pipeline migliorate
- Eseguire una serie di comandi raggruppati in una pipeline (Nuovo)
- Componenti : eseguire pipeline usando componenti riutilizzabili (Nuovo)
Usare i modelli per l'inferenza online gestita (nuovo)
Usare i modelli per l'inferenza batch gestita
Gestire le risorse AML: area di lavoro, calcolo, archivi dati
Gestire gli asset AML - Set di dati, ambienti, modelli
AutoML : eseguire il training AutoML autonomo per varie attività ml-tasks:
- Classificazione (dati tabulari)
- Regressione (dati tabulari)
- Previsione delle serie temporali (dati tabulari)
- Classificazione immagini (multiclasse) (Nuovo)
- Classificazione immagini (multi-etichetta) (Nuovo)
- Rilevamento oggetti immagine (nuovo)
- Segmentazione dell'istanza di immagine (nuovo)
- Classificazione del testo NLP (multiclasse) (Nuovo)
- Classificazione testo NLP (multi-etichetta) (Nuovo)
- NLP Text Named Entity Recognition (NER) (Nuovo)

Esempio

Visualizzare gli esempi.

Risoluzione dei problemi

Generale

I client di Azure ML generano eccezioni definite in Azure Core.

from azure.core.exceptions import HttpResponseError

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

Registrazione

Questa libreria usa la libreria di registrazione standard per la registrazione. Le informazioni di base sulle sessioni HTTP (URL, intestazioni e così via) vengono registrate a livello di INFO.

La registrazione dettagliata a livello di DEBUG, inclusi i corpi di richiesta/risposta e le intestazioni non contrassegnate, può essere abilitata in un client con l'argomento logging_enable .

Vedere la documentazione completa sulla registrazione dell'SDK con esempi qui.

Telemetria

Azure ML Python SDK include una funzionalità di telemetria che raccoglie i dati sull'utilizzo e sugli errori relativi all'SDK e li invia a Microsoft quando si usa l'SDK solo in un Jupyter Notebook. I dati di telemetria non verranno raccolti per l'uso di Python SDK all'esterno di un Jupyter Notebook.

I dati di telemetria consentono al team SDK di comprendere come viene usato l'SDK in modo che possa essere migliorato e le informazioni sugli errori consentono al team di risolvere i problemi e correggere i bug. La funzionalità di telemetria dell'SDK è abilitata per impostazione predefinita per l'utilizzo di Jupyter Notebook e non può essere abilitata per gli scenari non Jupyter. Per rifiutare esplicitamente la funzionalità di telemetria in uno scenario di Jupyter, passare enable_telemetry=False quando si costruisce l'oggetto MLClient.

Passaggi successivi

Visualizzare gli esempi.

Contributo

In questo progetto sono benvenuti i contributi e i suggerimenti. Per la maggior parte dei contenuti è necessario sottoscrivere un contratto di licenza di collaborazione (CLA, Contributor License Agreement) che stabilisce che l'utente ha il diritto di concedere, e di fatto concede a Microsoft i diritti d'uso del suo contributo. Per informazioni dettagliate, visitare cla.microsoft.com.

Quando si invia una richiesta pull, un bot CLA determina automaticamente se è necessario specificare un contratto CLA e completare la richiesta pull in modo appropriato (ad esempio con un'etichetta e un commento). Seguire le istruzioni specificate dal bot. È sufficiente eseguire questa operazione una sola volta per tutti i repository che usano il contratto CLA Microsoft.

Questo progetto ha adottato il Codice di comportamento di Microsoft per l'open source. Per altre informazioni, vedere Code of Conduct FAQ (Domande frequenti sul Codice di comportamento Open Source di Microsoft) oppure contattare opencode@microsoft.com per eventuali altre domande o commenti.

Condividi tramite