次の方法で共有


Python 用 Azure ML パッケージ クライアント ライブラリ - バージョン 1.12.1

Azure Machine Learning Python SDK v2 の GA を導入することに興奮しています。 Python SDK v2 には、スタンドアロン ローカル ジョブ、パイプライン用の再利用可能なコンポーネント、マネージド オンライン/バッチ推論などの新しい SDK 機能が導入されています。 Python SDK v2 を使用すると、単純なタスクから複雑なタスクに簡単かつ段階的に移行できます。 これは、さまざまなタスク間で概念の再利用とアクションの一貫性をもたらす共通のオブジェクト モデルを使用して有効になります。 SDK v2 は、GA でもある CLI v2 と基盤を共有します。

ソースコード | パッケージ (PyPI) | パッケージ (Conda) | API リファレンス ドキュメント | 製品ドキュメント | サンプル

このパッケージは、Python 3.7、3.8、3.9、3.10 でテストされています。

Azure ライブラリのより完全なセットについては、次を参照してください。 https://aka.ms/azsdk/python/all

作業の開始

前提条件

パッケージをインストールする

pip を使用して Python 用 Azure ML クライアント ライブラリをインストールします。

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

クライアントを認証する

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

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

主要な概念

Azure Machine Learning Python SDK v2 には、スタンドアロン ローカル ジョブ、パイプライン用の再利用可能なコンポーネント、マネージド オンライン/バッチ推論など、多くの新機能が用意されています。 SDK v2 は、プラットフォームのすべての資産で一貫性と使いやすさをもたらします。 Python SDK v2 には、次の機能があります。

  • スタンドアロン ジョブの実行 - 個別の ML アクティビティをジョブとして実行します。 このジョブは、ローカルまたはクラウドで実行できます。 現在、次の種類のジョブがサポートされています。
    • コマンド - コマンド (Python、R、Windows コマンド、Linux シェルなど) を実行します
    • スイープ - コマンドでハイパーパラメーター スイープを実行する
  • 改善されたパイプラインを使用して複数のジョブを実行する
    • パイプラインに結合された一連のコマンドを実行する (新規)
    • コンポーネント - 再利用可能なコンポーネントを使用してパイプラインを実行する (新規)
  • Managed Online 推論にモデルを使用する (新規)
  • マネージド バッチ推論にモデルを使用する
  • AML リソースの管理 - ワークスペース、コンピューティング、データストア
  • AML 資産の管理 - データセット、環境、モデル
  • AutoML - さまざまな ml タスクに対してスタンドアロンの AutoML トレーニングを実行します。
    • 分類 (表形式データ)
    • 回帰 (表形式データ)
    • 時系列予測 (表形式データ)
    • 画像分類 (複数クラス) (新規)
    • 画像分類 (複数ラベル) (新規)
    • 画像オブジェクト検出 (新規)
    • イメージ インスタンスのセグメント化 (新規)
    • NLP テキスト分類 (複数クラス) (新規)
    • NLP テキスト分類 (複数ラベル) (新規)
    • NLP Text Named Entity Recognition (NER) (新規)

トラブルシューティング

全般

Azure ML クライアントでは、 Azure Core で定義されている例外が発生します。

from azure.core.exceptions import HttpResponseError

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

ログの記録

このライブラリでは、標準の ログ記録 ライブラリを使用してログを記録します。 HTTP セッション (URL、ヘッダーなど) に関する基本情報は INFO レベルでログに記録されます。

要求/応答本文や未コンパイルのヘッダーなど、詳細な DEBUG レベルのログ記録は、 引数を使用してクライアントで logging_enable 有効にすることができます。

SDK のログ記録に関する完全なドキュメントと例 については、こちらを参照してください

テレメトリ

Azure ML Python SDK には、SDK に関する使用状況とエラー データを収集し、Jupyter Notebookでのみ SDK を使用するときに Microsoft に送信するテレメトリ機能が含まれています。 Jupyter Notebookの外部で Python SDK を使用する場合、テレメトリは収集されません

テレメトリ データは、SDK を改善できるように SDK がどのように使用されているかを SDK チームが理解するのに役立ちます。また、障害に関する情報は、チームが問題を解決し、バグを修正するのに役立ちます。 SDK テレメトリ機能は、Jupyter Notebookの使用に対して既定で有効になっており、Jupyter 以外のシナリオでは有効にできません。 Jupyter シナリオでテレメトリ機能をオプトアウトするには、MLClient オブジェクトを構築するときに を渡 enable_telemetry=False します。

次の手順

共同作成

このプロジェクトでは、共同作成と提案を歓迎しています。 ほとんどの共同作成では、共同作成者使用許諾契約書 (CLA) にご同意いただき、ご自身の共同作成内容を使用する権利を Microsoft に供与する権利をお持ちであり、かつ実際に供与することを宣言していただく必要があります。 詳細については、「 cla.microsoft.com」を参照してください。

pull request を送信すると、CLA を提供して PR (ラベル、コメントなど) を適宜装飾する必要があるかどうかを CLA ボットが自動的に決定します。 ボットによって提供される手順にそのまま従ってください。 この操作は、Microsoft の CLA を使用するすべてのリポジトリについて、1 回だけ行う必要があります。

このプロジェクトでは、Microsoft オープン ソースの倫理規定を採用しています。 詳しくは、「Code of Conduct FAQ (倫理規定についてよくある質問)」を参照するか、opencode@microsoft.com 宛てに質問またはコメントをお送りください。