Azure ML-pakketclientbibliotheek voor Python - versie 1.12.1

We zijn verheugd om de algemene beschikbaarheid van Azure Machine Learning Python SDK v2 te introduceren. De Python SDK v2 introduceert nieuwe SDK-mogelijkheden, zoals zelfstandige lokale taken, herbruikbare onderdelen voor pijplijnen en beheerde online/batchdeductie. Met Python SDK v2 kunt u eenvoudig en incrementeel overstappen van eenvoudige naar complexe taken. Dit wordt mogelijk gemaakt met behulp van een gemeenschappelijk objectmodel dat concepthergebruik en consistentie van acties voor verschillende taken mogelijk maakt. De SDK v2 deelt zijn basis met de CLI v2, die ook algemeen beschikbaar is.

Broncode | Pakket (PyPI) | Pakket (Conda) | API-referentiedocumentatie | Productdocumentatie | Monsters

Dit pakket is getest met Python 3.7, 3.8, 3.9 en 3.10.

Zie voor een volledigere set Azure-bibliotheken https://aka.ms/azsdk/python/all

Aan de slag

Vereisten

• Python 3.7 of hoger is vereist voor het gebruik van dit pakket.
• U moet een Azure-abonnement hebben.
• Een Azure Machine Learning-werkruimte.

Het pakket installeren

Installeer de Azure ML-clientbibliotheek voor Python met pip:

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

De client verifiëren

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

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

Belangrijkste concepten

Azure Machine Learning Python SDK v2 wordt geleverd met veel nieuwe functies, zoals zelfstandige lokale taken, herbruikbare onderdelen voor pijplijnen en beheerde online/batchdeductie. De SDK v2 biedt consistentie en gebruiksgemak voor alle assets van het platform. De Python SDK v2 biedt de volgende mogelijkheden:

• Zelfstandige taken uitvoeren: voer een afzonderlijke ML-activiteit uit als Taak. Deze taak kan lokaal of in de cloud worden uitgevoerd. Momenteel worden de volgende soorten taken ondersteund:
  • Opdracht: voer een opdracht uit (Python, R, Windows-opdracht, Linux Shell, enzovoort)
  • Opruimen - een hyperparameter-sweep uitvoeren op uw opdracht
• Meerdere taken uitvoeren met behulp van onze verbeterde pijplijnen
  • Een reeks opdrachten uitvoeren die zijn gestikt in een pijplijn (nieuw)
  • Onderdelen : pijplijnen uitvoeren met herbruikbare onderdelen (nieuw)
• Uw modellen gebruiken voor beheerde onlinedeductie (nieuw)
• Uw modellen gebruiken voor beheerde batchdeductie
• AML-resources beheren : werkruimte, rekenkracht, gegevensopslag
• AML-assets beheren - gegevenssets, omgevingen, modellen
• AutoML - voer zelfstandige AutoML-training uit voor verschillende ml-taken:
  • Classificatie (tabellaire gegevens)
  • Regressie (tabellaire gegevens)
  • Tijdreeksprognose (tabellaire gegevens)
  • Afbeeldingsclassificatie (meerdere klassen) (nieuw)
  • Afbeeldingsclassificatie (meerdere labels) (nieuw)
  • Detectie van afbeeldingsobjecten (nieuw)
  • Segmentatie van afbeeldingsexemplaren (nieuw)
  • NLP-tekstclassificatie (meerdere klassen) (nieuw)
  • NLP-tekstclassificatie (meerdere labels) (nieuw)
  • NLP Text Named Entity Recognition (NER) (nieuw)

Voorbeelden

• Bekijk onze voorbeelden.

Problemen oplossen

Algemeen

Azure ML-clients genereren uitzonderingen die zijn gedefinieerd 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))

Logboekregistratie

Deze bibliotheek maakt gebruik van de standaardbibliotheek voor logboekregistratie voor logboekregistratie. Basisinformatie over HTTP-sessies (URL's, headers, enzovoort) wordt geregistreerd op INFO-niveau.

Gedetailleerde logboekregistratie op foutopsporingsniveau, inclusief aanvraag-/antwoordteksten en niet-bewerkte headers, kan worden ingeschakeld op een client met het logging_enable argument .

Bekijk hier de volledige documentatie voor SDK-logboekregistratie met voorbeelden.

Telemetrie

De Azure ML Python SDK bevat een telemetriefunctie waarmee gebruiks- en foutgegevens over de SDK worden verzameld en naar Microsoft worden verzonden wanneer u de SDK alleen in een Jupyter Notebook gebruikt. Telemetrie wordt niet verzameld voor gebruik van de Python SDK buiten een Jupyter Notebook.

Telemetriegegevens helpen het SDK-team te begrijpen hoe de SDK wordt gebruikt, zodat deze kan worden verbeterd en de informatie over fouten helpt het team bij het oplossen van problemen en het oplossen van fouten. De SDK-telemetriefunctie is standaard ingeschakeld voor Jupyter Notebook gebruik en kan niet worden ingeschakeld voor niet-Jupyter-scenario's. Als u zich wilt afmelden voor de telemetriefunctie in een Jupyter-scenario, geeft u door enable_telemetry=False bij het maken van uw MLClient-object.

Volgende stappen

• Bekijk onze voorbeelden.

Bijdragen

Wij verwelkomen bijdragen en suggesties voor dit project. Voor de meeste bijdragen moet u instemmen met een licentieovereenkomst voor bijdragers (CLA: Contributor License Agreement) waarin u verklaart dat u gerechtigd bent ons het recht te geven uw bijdrage te gebruiken, en dat u dit ook doet. Ga naar cla.microsoft.com voor meer informatie.

Wanneer u een pull-aanvraag indient, wordt met een CLA-bot automatisch bepaald of u een CLA moet verschaffen en wordt de pull-aanvraag dienovereenkomstig opgemaakt (bijvoorbeeld met een label of commentaar). Volg gewoon de instructies van de bot. U hoeft dit maar eenmaal te doen voor alle repo's waar gebruik wordt gemaakt van onze CLA.

Op dit project is de Microsoft Open Source Code of Conduct (Microsoft Open Source-gedragscode) van toepassing. Zie de Veelgestelde vragen over de gedragscode voor meer informatie of neem contact op opencode@microsoft.com met eventuele aanvullende vragen of opmerkingen.