Installare Azure Machine Learning SDK per Python
Questo articolo è una guida per le diverse opzioni di installazione dell'SDK.
Prerequisiti
- Python installato versione 3.7 o successiva. Per i pacchetti azureml-automl, usare solo la versione 3.7 o 3.8.
- pip installato
Installazione predefinita
Usare azureml-core
.
pip install azureml-core
Installare quindi tutti gli altri pacchetti necessari per il processo specifico.
Installare l'aggiornamento
Suggerimento
È consigliabile mantenere sempre aggiornato azureml-core alla versione più recente.
Aggiornare una versione precedente:
pip install --upgrade azureml-core
Controllare la versione
Verificare la versione dell'SDK:
pip show azureml-core
Per visualizzare tutti i pacchetti nell'ambiente:
pip list
È anche possibile visualizzare la versione dell'SDK in Python, ma questa versione non include la versione secondaria.
import azureml.core
print(azureml.core.VERSION)
Per altre informazioni su come configurare l'ambiente di sviluppo per il servizio Azure Machine Learning, vedere Configurare un ambiente di sviluppo per Azure Machine Learning.
Altri pacchetti azureml
L'SDK contiene molti altri pacchetti facoltativi che è possibile installare. Questi componenti includono le dipendenze che non sono necessarie per tutti i casi d'uso e che quindi non sono incluse nell'installazione predefinita per evitare che le dimensioni dell'ambiente aumentino eccessivamente. Nella tabella seguente vengono descritti i pacchetti , i relativi casi d'uso e il comando per installare, aggiornare & controllo della versione.
Pacchetto aggiuntivo | Caso d'uso | Installare/aggiornare/visualizzare la versione |
---|---|---|
azureml-automl-core |
Contiene le principali classi di Machine Learning automatizzate per Azure Machine Learning. Questo pacchetto viene usato da azureml-train-automl-client e azureml-train-automl-runtime. |
pip install azureml-automl-core pip install --upgrade azureml-automl-core pip show azureml-automl-core |
azureml-accel-models |
Accelera le reti neurali profonde su FPGA con il servizio Modelli con accelerazione hardware di Azure Machine Learning. | pip install azureml-accel-models pip install --upgrade azureml-accel-models pip show azureml-accel-models |
azureml-train-automl |
Fornisce le classi per la compilazione e l'esecuzione di esperimenti di Machine Learning automatizzato. Installa anche pacchetti di data science comuni, tra cui pandas , numpy e scikit-learn . Se si sta cercando di inviare esecuzioni automatizzate di Machine Learning in un ambiente di calcolo remoto e non è necessario eseguire ml in locale, è consigliabile usare il thin client, azureml-train-automl-client , pacchetto che fa parte di azureml-sdk . Per altre informazioni sull'installazione e sull'uso dell'SDK completo automl o del relativo thin client, vedere le indicazioni aggiuntive sui casi d'uso. azureml-train-automl-client Analogamente allo standard Python, è supportata una versione precedente e una compatibilità con versioni successive, ma solo per il pacchetto completo azureml-train-automl . Ad esempio, se viene eseguito il training di un modello con SDK versione 1.29.0, è possibile dedurre con le versioni dell'SDK tra 1.28.0 e 1.30.0. |
Per l'ambiente conda locale:pip install azureml-train-automl pip install --upgrade azureml-train-automl pip install show azureml-train-automl Thin client per il calcolo remoto: pip install azureml-train-automl-client pip install --upgrade azureml-train-automl-client pip install show azureml-train-automl-client |
azureml-contrib |
Installa i pacchetti azureml-contrib-*, che includono funzionalità sperimentali o funzionalità di anteprima. | pip install azureml-contrib pip install --upgrade azureml-contrib pip show azureml-contrib |
azureml-datadrift |
Contiene funzionalità che consentono di rilevare la deriva dei dati di training del modello rispetto ai dati di assegnazione di punteggi. | pip install azureml-datadrift pip install --upgrade azureml-datadrift pip show azureml-datadrift |
azureml-interpret |
Usato per l'interpretazione del modello, inclusa l'importanza della funzionalità e della classe per i modelli blackbox e whitebox. | pip azureml-interpret pip install --upgrade azureml-interpret pip show azureml-interpret |
azureml-widgets |
Contiene pacchetti, moduli e classi di base per Azure Machine Learning. | pip install azureml-widgets pip install --upgrade azureml-widgets pip show azureml-widgets |
azureml-contrib-services |
Fornisce agli script di assegnazione dei punteggi le funzionalità per richiedere l'accesso HTTP non elaborato. | pip install azureml-contrib-services pip install --upgrade azureml-contrib-services pip show azureml-contrib-services |
azureml-tensorboard |
Fornisce le classi e i metodi per esportare la cronologia di esecuzione dell'esperimento e avviare TensorBoard per la visualizzazione delle prestazioni e della struttura dell'esperimento. | pip install azureml-tensorboard pip install --upgrade azureml-tensorboard pip show azureml-tensorboard |
azureml-mlflow |
Contiene funzionalità che integrano Azure Machine Learning con MLFlow. | pip install azureml-mlflow pip install --upgrade azureml-mlflow pip show azureml-mlflow |
azureml-automl-runtime |
Contiene classi di Machine Learning automatizzate per l'esecuzione di esecuzioni in Azure Machine Learning. | pip install azureml-automl-runtime pip install --upgrade azureml-automl-runtime pip show azureml-automl-runtime |
azureml-widgets |
Contiene funzionalità per visualizzare lo stato di avanzamento delle esecuzioni di training di Machine Learning in Jupyter Notebook. | pip install azureml-widgets pip install --upgrade azureml-widgets pip show azureml-widgets |
azureml-train-restclients-hyperdrive |
Contiene le classi necessarie per creare HyperDriveRuns con azureml-train-core. | pip install azureml-train-restclients-hyperdrive pip install --upgrade azureml-train-restclients-hyperdrive pip show azureml-train-restclients-hyperdrive |
azureml-train-core |
Contiene classi di stima di base e la classe di stima generica , estimator usati nel training di Deep Neural Network (DNN), estimator usati in Scikit-Learn training, moduli e classi che supportano l'ottimizzazione degli iperparametri. | pip install azureml-core pip install --upgrade azureml-core pip show azureml-core |
azureml-train-automl-runtime |
Contiene funzionalità che rappresentano componenti principali di Machine Learning automatizzati e di runtime in Azure Machine Learning. | pip install azureml-train-automl-runtime pip install --upgrade azureml-train-automl-runtime pip show azureml-train-automl-runtime |
azureml-train-automl-client |
Contiene pacchetti, moduli e classi di base per Azure Machine Learning. | pip install azureml-train-automl-client pip install --upgrade azureml-train-automl-client pip show azureml-train-automl-client |
azureml-telemetry |
Questo pacchetto viene usato per raccogliere dati di telemetria, ad esempio messaggi di log, metriche, eventi e messaggi di attività. | pip install azureml-telemetry pip install --upgrade azureml-telemetry pip show azureml-telemetry |
azureml-synapse |
Contiene il comando Magic per gestire la sessione synapse e inviare il codice e il widget SparkMonitor per monitorare lo stato del processo Spark, sia per Jupyter che per JupyterLab | pip install azureml-synapse pip install --upgrade azureml-synapse pip show azureml-synapse |
azureml-sdk |
Il pacchetto Thos viene usato per compilare ed eseguire flussi di lavoro di Machine Learning nel servizio Azure Machine Learning | pip install azureml-sdk pip install --upgrade azureml-sdk pip show azureml-sdk |
azureml-pipeline-steps |
Contiene passaggi predefiniti che possono essere eseguiti in una pipeline di Azure Machine Learning. | pip install azureml-pipeline-steps pip install --upgrade azureml-pipeline-steps pip show azureml-pipeline-steps |
azureml-pipeline-core |
Contiene le funzionalità di base per le pipeline di Azure Machine Learning, che sono flussi di lavoro di Machine Learning configurabili. | pip install azureml-pipeline-core pip install --upgrade azureml-pipeline-core pip show azureml-pipeline-core |
azureml-pipeline |
Questo pacchetto viene usato per compilare, ottimizzare e gestire i flussi di lavoro di Machine Learning | pip install azureml-pipeline pip install --upgrade azureml-pipeline pip show azureml-pipeline |
azureml-opendatasets |
Contiene le funzionalità di base per le pipeline di Azure Machine Learning, che sono flussi di lavoro di Machine Learning configurabili. | pip install azureml-opendatasets pip install --upgrade azureml-opendatasets pip show azureml-opendatasets |
azureml-interpret |
Contiene funzionalità per l'uso dell'interpretabilità dei modelli in Azure Machine Learning. | pip install azureml-interpret pip install --upgrade azureml-interpret pip show azureml-interpret |
azureml-defaults |
Questo pacchetto è un metapacchetto usato internamente da Azure Machine Learning. | pip install azureml-defaults pip install --upgrade azureml-defaults pip show azureml-defaults |
azureml-dataset-runtime |
Lo scopo di questo pacchetto è coordinare le dipendenze all'interno dei pacchetti AzureML. Questo pacchetto è interno e non deve essere usato direttamente. | pip install azureml-dataset-runtime pip install --upgrade azureml-dataset-runtime pip show azureml-dataset-runtime |
azureml-datadrift |
Contiene funzionalità che consentono di rilevare la deriva dei dati di training del modello rispetto ai dati di assegnazione di punteggi. | pip install azureml-datadrift pip install --upgrade azureml-datadrift pip show azureml-datadrift |
azureml-contrib-server |
Questo pacchetto è un servizio HTTP locale usato per esporre un subset delle funzionalità fornite da AzureML SDK in VISUAL Studio Tools per le estensioni di intelligenza artificiale (VSCode e Visual Studio) | pip install azureml-contrib-server pip install --upgrade azureml-contrib-server pip show azureml-contrib-server |
azureml-contrib-run |
Questo pacchetto viene usato per contenere il codice di integrazione di AzureML con Mlflow. | pip install azureml-core pip install --upgrade azureml-core pip show azureml-core |
azureml-contrib-reinforcementlearning |
Contiene funzionalità per la creazione di una destinazione di calcolo Windows in Azure Machine Learning. | pip install azureml-contrib-reinforcementlearning pip install --upgrade azureml-contrib-reinforcementlearning pip show azureml-contrib-reinforcementlearning |
azureml-contrib-pipeline-steps |
Contiene moduli e classi per procedure specializzate della pipeline di Azure Machine Learning e la configurazione associata. | pip install azureml-contrib-pipeline-steps pip install --upgrade azureml-contrib-pipeline-steps pip show azureml-contrib-pipeline-steps |
azureml-contrib-notebook |
Contiene estensioni per l'uso dei notebook di Jupyter in Azure Machine Learning. | pip install azureml-contrib-notebook pip install --upgrade azureml-contrib-notebook pip show azureml-contrib-notebook |
azureml-contrib-gbdt |
Questo pacchetto contiene lo strumento di stima LightGBM. | pip install azureml-contrib-gbdt pip install --upgrade azureml-contrib-gbdt pip show azureml-contrib-gbdt |
azureml-contrib-functions |
Contiene funzionalità per la creazione di pacchetti di modelli di Azure Machine Learning per la distribuzione in Funzioni di Azure. | pip install azureml-contrib-functions pip install --upgrade azureml-contrib-functions pip show azureml-contrib-functions |
azureml-contrib-fairness |
Questo pacchetto supporta l'uso dei dashboard di valutazione dell'equità in Azure Machine Learning Studio | pip install azureml-contrib-fairness pip install --upgrade azureml-contrib-fairness pip show azureml-contrib-fairness |
azureml-contrib-dataset |
Contiene funzionalità specializzate per l'uso di oggetti Dataset in Azure Machine Learning. | pip install azureml-contrib-dataset pip install --upgrade azureml-contrib-dataset pip show azureml-contrib-dataset |
azureml-contrib-automl-pipeline-steps |
Contiene passaggi predefiniti che possono essere eseguiti in una pipeline di Azure Machine Learning. | pip install azureml-contrib-automl-pipeline-steps pip install --upgrade azureml-contrib-automl-pipeline-steps pip show azureml-contrib-automl-pipeline-steps |
azureml-contrib-automl-dnn-vision |
Questo pacchetto è destinato solo agli script generati dal sistema AutoML. Per eseguire l'installazione in Windows, i pacchetti "torch" e "torchvision" devono essere installati separatamente prima di questo pacchetto. | pip install azureml-contrib-automl-dnn-vision pip install --upgrade azureml-contrib-automl-dnn-vision pip show azureml-contrib-automl-dnn-vision |
azureml-contrib-automl-dnn-forecasting |
Pacchetto comune dell'estensione dell'interfaccia della riga di comando di Azure ML. Comune in azure-cli-ml e azure-cli-ml-preview. | pip install azureml-contrib-automl-dnn-forecasting pip install --upgrade azureml-contrib-automl-dnn-forecasting pip show azureml-contrib-automl-dnn-forecasting |
azureml-contrib-aisc |
AzureML Contrib per la destinazione di calcolo azureML per intelligenza artificiale super computer. AISCCompute è un'infrastruttura di calcolo di intelligenza artificiale gestita, che può essere collegata a un'area di lavoro dall'amministratore del cluster. | pip install azureml-contrib-aisc pip install --upgrade azureml-contrib-aisc pip show azureml-contrib-aisc |
azureml-cli-common |
Pacchetto comune dell'estensione dell'interfaccia della riga di comando di Azure ML. Comune in azure-cli-ml e azure-cli-ml-preview. | pip install azureml-cli-common pip install --upgrade azureml-cli-common pip show azureml-cli-common |
azureml-automl-dnn-nlp |
Questo pacchetto è destinato solo agli script generati dal sistema AutoML. | pip install azureml-automl-dnn-nlp pip install --upgrade azureml-automl-dnn-nlp pip show azureml-automl-dnn-nlp |
azureml-accel-models |
Accelerare le reti neurali profonde in FPGA con il servizio Modelli accelerati hardware di Azure ML. | pip install azureml-accel-models pip install --upgrade azureml-accel-models pip show azureml-accel-models |
azureml-inference-server-http |
Questo pacchetto abilita lo sviluppo locale, l'integrazione CI/CD, le route del server. | pip install azureml-inference-server-http pip install --upgrade azureml-inference-server-http pip show azureml-inference-server-http |
azure-ml-component |
Questo pacchetto contiene funzionalità per la creazione e la gestione dei componenti di Azure Machine Learning che creano e inviano pipeline usando componenti | pip install azure-ml-component pip install --upgrade azure-ml-component pip show azure-ml-component |
azureml-pipeline-wrapper |
Questo pacchetto contiene funzionalità per la creazione e la gestione dei moduli di Azure Machine Learning, la creazione e l'invio di pipeline tramite moduli | pip install azureml-pipeline-wrapper pip install --upgrade azureml-pipeline-wrapper pip show azureml-pipeline-wrapper |
azureml-designer-cv-modules |
Moduli per la pre-elaborazione e la trasformazione di immagini, ad esempio ritagliare, riempire o ridimensionare. | pip install azureml-designer-cv-modules pip install --upgrade azureml-designer-cv-modules pip show azureml-designer-cv-modules |
azureml-designer-pytorch-modules |
Moduli per eseguire il training e l'inferenza dei modelli di classificazione delle immagini in base al framework pytorch. | pip install azureml-designer-pytorch-modules pip install --upgrade azureml-designer-pytorch-modules pip show azureml-designer-pytorch-modules |
azureml-designer-vowpal-wabbit-modules |
Moduli per eseguire il training e l'inferenza di modelli basati sul framework Vowpal Wabbit. | pip install azureml-designer-vowpal-wabbit-modules pip install --upgrade azureml-designer-vowpal-wabbit-modules pip show azureml-designer-vowpal-wabbit-modules |
azureml-designer-classic-modules |
Un'ampia gamma di moduli per l'elaborazione dei dati, il training del modello, l'inferenza e la valutazione. | pip install azureml-designer-classic-modules pip install --upgrade azureml-designer-classic-modules pip show azureml-designer-classic-modules |
azureml-designer-recommender-modules |
Moduli per eseguire il training e l'inferenza dei modelli di raccomandazione basati su una rete neurale profonda. | pip install azureml-designer-recommender-modules pip install --upgrade azureml-designer-recommender-modules pip show azureml-designer-recommender-modules |
azureml-designer-internal |
Funzionalità interne fornite per i moduli predefiniti. | pip install azureml-designer-internal pip install --upgrade azureml-designer-internal pip show azureml-designer-internal |
azureml-designer-core |
Funzionalità di base per la definizione del tipo di dati, io di dati e le funzioni usate di frequente. | pip install azureml-designer-core pip install --upgrade azureml-designer-core pip show azureml-designer-core |
azureml-designer-datatransform-modules |
Moduli per trasformare il set di dati, ad esempio applicando operazioni matematiche, query SQL, ritagliando outlier o generando un report delle statistiche. | pip install azureml-designer-datatransform-modules pip install --upgrade azureml-designer-datatransform-modules pip show azureml-designer-datatransform-modules |
azureml-designer-dataio-modules |
Moduli per caricare i dati nella finestra di progettazione di Azure Machine Learning e scrivere dati nell'archiviazione basata sul cloud. | pip install azureml-designer-dataio-modules pip install --upgrade azureml-designer-dataio-modules pip show azureml-designer-dataio-modules |
azureml-designer-serving |
Fornire funzionalità per richiamare moduli predefiniti nel servizio di distribuzione. | pip install azureml-designer-serving pip install --upgrade azureml-designer-serving pip show azureml-designer-serving |
azureml-contrib-datadrift |
Contiene funzionalità per il rilevamento della deriva dei dati per vari set di dati usati in Machine Learning, inclusi i set di dati di training e il set di dati di assegnazione dei punteggi. | pip install azureml-contrib-datadrift pip install --upgrade azureml-contrib-datadrift pip show azureml-contrib-datadrift |
azureml-contrib-explain-model |
Contiene funzionalità sperimentali per il pacchetto azureml-explain-model, che offre un'ampia gamma di servizi per l'interpretazione dei modelli di Machine Learning. | pip install azureml-contrib-explain-model pip install --upgrade azureml-contrib-explain-model pip show azureml-contrib-explain-model |
azureml-contrib-opendatasets |
Questo pacchetto fornisce un set di API per l'uso dei set di dati aperti di Azure. | pip install azureml-contrib-opendatasets pip install --upgrade azureml-contrib-opendatasets pip show azureml-contrib-opendatasets |
azureml-train-widgets |
Contiene widget per Jupyter Notebook per tenere traccia visivamente delle esecuzioni. | pip install azureml-train-widgets pip install --upgrade azureml-train-widgets pip show azureml-train-widgets |
Per altre informazioni sui pacchetti precedenti, vedere AzureML in pypi.
Indicazioni aggiuntive sul caso d'uso
Se il caso d'uso è descritto di seguito, prendere nota delle indicazioni e delle azioni consigliate.
Caso d'uso | Materiale sussidiario |
---|---|
Uso di automl |
Installare il file completoazureml-train-automl SDK in un nuovo ambiente Python a 64 bit. È necessario un nuovo ambiente a 64 bit a causa di una dipendenza dal framework LightGBM . Questo pacchetto installa e aggiunge versioni specifiche dei pacchetti di data science per la compatibilità, che richiedono un ambiente pulito. Il thin client, azureml-train-automl-client , pacchetto non installa pacchetti di data science aggiuntivi o richiede un ambiente Python pulito. È consigliabile azureml-train-automl-client inviare solo le esecuzioni automatizzate di Machine Learning a un calcolo remoto e non è necessario inviare esecuzioni locali o scaricare il modello in locale. Una versione precedente e una compatibilità con l'inoltro di una versione è supportata solo per i modelli sottoposti a training con il pacchetto completo azureml-train-automl . Ad esempio, se un modello viene sottoposto a training con SDK versione 1.29.0, è possibile inferenza con le versioni di SDK tra 1.28.0 e 1.30.0. |
Uso di Azure Databricks | Nell'ambiente Azure Databricks usare le origini di libreria descritte in questa guida per l'installazione dell'SDK. Vedere anche questi suggerimenti per altre informazioni sull'utilizzo di Azure Machine Learning SDK per Python in Azure Databricks. |
Uso di Data Science Virtual Machine di Azure | Python SDK è preinstallato negli ambienti Azure Data Science Virtual Machine creati dopo il 27 settembre 2018. |
Esecuzione di esercitazioni o notebook di Azure Machine Learning | Se si usa una versione dell'SDK precedente rispetto a quella indicata nell'esercitazione o nel notebook, è necessario aggiornare l'SDK. Alcune funzionalità nelle esercitazioni e nei notebook possono richiedere pacchetti Python aggiuntivi, ad esempio matplotlib , scikit-learn o pandas . Le istruzioni in ogni esercitazione e notebook indicheranno i pacchetti necessari. |
Risoluzione dei problemi
Installazione pip: le dipendenze non sono garantite coerenza con l'installazione a riga singola:
Si tratta di una limitazione nota di pip, poiché non dispone di un sistema di risoluzione delle dipendenze funzionante quando si installa come singola riga. La prima dipendenza univoca è l'unica che esamina.
Nel codice
azureml-datadrift
seguente eazureml-train-automl
sono entrambi installati usando un'installazione pip a riga singola.pip install azureml-datadrift, azureml-train-automl
Per questo esempio, si supponga
azureml-datadrift
di richiedere la versione 1.0 eazureml-train-automl
richiede la versione >< 1.2. Se la versione più recente diazureml-datadrift
è 1.3, entrambi i pacchetti vengono aggiornati alla versione 1.3, indipendentemente dalazureml-train-automl
requisito del pacchetto per una versione precedente.Per assicurarsi che le versioni appropriate siano installate per i pacchetti, installare usando più righe come nel codice seguente. L'ordine non è un problema qui, poiché pip esegue il downgrade esplicito come parte della chiamata alla riga successiva. Vengono quindi applicate le dipendenze di versione appropriate.
pip install azureml-datadrift pip install azureml-train-automl
Il pacchetto di spiegazione non è garantito che venga installato durante l'installazione del client azureml-train-automl-client:
Quando si esegue un'esecuzione automatica remota con spiegazione del modello abilitata, verrà visualizzato un messaggio di errore "Installare il pacchetto azureml-explain-model per le spiegazioni del modello". Si tratta di un problema noto. Come soluzione alternativa seguire una delle procedure seguenti:
- Installare azureml-explain-model in locale.
pip install azureml-explain-model
- Disabilitare completamente la funzionalità di spiegazione passando model_explainability=False nella configurazione AutoML.
automl_config = AutoMLConfig(task = 'classification', path = '.', debug_log = 'automated_ml_errors.log', compute_target = compute_target, run_configuration = aml_run_config, featurization = 'auto', model_explainability=False, training_data = prepped_data, label_column_name = 'Survived', **automl_settings)
Errori panda: in genere visualizzati durante l'esperimento autoML:
Quando si configura manualmente l'ambiente usando pip, è possibile notare errori (in particolare da pandas) a causa di versioni del pacchetto non supportate installate.
Ad esempio:
ModuleNotFoundError: No module named 'pandas.core.internals.managers'; 'pandas.core.internals' is not a package
Per evitare tali errori, installare AutoML SDK usando il automl_setup.cmd:
- Aprire un prompt di Anaconda e clonare il repository GitHub per un set di notebook di esempio.
git clone https://github.com/Azure/MachineLearningNotebooks.git
- cd nella cartella how-to-use-azureml/automated-machine-learning in cui sono stati estratti i notebook di esempio e quindi eseguire:
automl_setup
KeyError: 'brand' quando si esegue AutoML nel cluster di calcolo locale o Azure Databricks
Se un nuovo ambiente è stato creato dopo il 10 giugno 2020, usando SDK 1.7.0 o versioni precedenti, il training potrebbe non riuscire con questo errore a causa di un aggiornamento nel pacchetto py-cpuinfo. Gli ambienti creati in o prima del 10 giugno 2020 non sono interessati, come sono gli esperimenti eseguiti nel calcolo remoto perché vengono usate immagini di training memorizzate nella cache. Per risolvere questo problema, seguire uno dei due passaggi seguenti:
Aggiornare la versione dell'SDK alla versione 1.8.0 o successiva (questo esegue anche il downgrade di py-cpuinfo a 5.0.0):
pip install --upgrade azureml-sdk[automl]
Eseguire il downgrade della versione installata di py-cpuinfo alla versione 5.0.0:
pip install py-cpuinfo==5.0.0
Messaggio di errore: Impossibile installare "PyYAML"
Azure Machine Learning SDK per Python: PyYAML è un
distutils
progetto installato. Non è pertanto possibile stabilire in modo accurato quali file appartengono a esso in caso di disinstallazione parziale. Per continuare a installare l'SDK, ignorando l'errore, usare:pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
Installazione di Azure Machine Learning SDK non riuscita con un'eccezione: ModuleNotFoundError: Nessun modulo denominato 'failovermel' o 'ImportError: nessun modulo denominato ruamel.yaml'
Questo problema viene rilevato con l'installazione di Azure Machine Learning SDK per Python nell'ultimo pip (>20.1.1) nell'ambiente di base conda per tutte le versioni rilasciate di Azure Machine Learning SDK per Python. Fare riferimento alle soluzioni alternative seguenti:
Evitare di installare Python SDK nell'ambiente di base conda, invece di creare l'ambiente conda e installare SDK in tale ambiente utente appena creato. La pip più recente dovrebbe funzionare su quel nuovo ambiente conda.
Per la creazione di immagini in docker, dove non è possibile passare dall'ambiente di base conda, aggiungere pip<=20.1.1 nel file docker.
conda install -c r -y conda python=3.8 pip=20.1.1
Passaggi successivi
Provare le procedure seguenti per imparare a usare Azure Machine Learning SDK per Python:
- Leggere la panoramica di Azure Machine Learnin Python SDK per informazioni sulle classi chiave e sui modelli di progettazione con esempi di codice.
- Seguire l'esercitazione introduttiva di Python di Azure Machine Learning per iniziare a creare esperimenti e modelli.
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per