Udostępnij za pośrednictwem


Biblioteka klienta pakietu Azure ML dla języka Python — wersja 1.12.1

Z przyjemnością przedstawiamy ogólnie dostępny zestaw SDK języka Python usługi Azure Machine Learning w wersji 2. Zestaw SDK języka Python w wersji 2 wprowadza nowe możliwości zestawu SDK, takie jak autonomiczne zadania lokalne, składniki wielokrotnego użytku dla potoków i zarządzane wnioskowanie online/wsadowe. Zestaw PYTHON SDK w wersji 2 umożliwia łatwe i przyrostowe przechodzenie z prostych do złożonych zadań. Jest to możliwe przy użyciu wspólnego modelu obiektów, który umożliwia ponowne użycie koncepcji i spójność akcji w różnych zadaniach. Zestaw SDK w wersji 2 udostępnia swoje podstawy interfejsowi wiersza polecenia w wersji 2, który jest również ogólnie dostępny.

Kod | źródłowyPakiet (PyPI) | Pakiet (Conda) | Dokumentacja referencyjna interfejsu | APIDokumentacja | produktuPróbki

Ten pakiet został przetestowany przy użyciu języka Python 3.7, 3.8, 3.9 i 3.10.

Aby uzyskać bardziej kompletny zestaw bibliotek platformy Azure, zobacz https://aka.ms/azsdk/python/all

Wprowadzenie

Wymagania wstępne

Instalowanie pakietu

Zainstaluj bibliotekę klienta usługi Azure ML dla języka Python za pomocą narzędzia pip:

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

Uwierzytelnianie klienta

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

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

Kluczowe pojęcia

Zestaw SDK języka Python usługi Azure Machine Learning w wersji 2 zawiera wiele nowych funkcji, takich jak autonomiczne zadania lokalne, składniki wielokrotnego użytku dla potoków i zarządzane wnioskowanie online/wsadowe. Zestaw SDK w wersji 2 zapewnia spójność i łatwość użycia we wszystkich zasobach platformy. Zestaw SDK języka Python w wersji 2 oferuje następujące możliwości:

  • Uruchamianie autonomicznych zadań — uruchom dyskretne działanie uczenia maszynowego jako zadanie. To zadanie można uruchomić lokalnie lub w chmurze. Obecnie obsługujemy następujące typy zadań:
    • Polecenie — uruchamianie polecenia (Python, R, Windows Command, Linux Shell itp.)
    • Zamiatanie — uruchamianie zamiatania hiperparametrów w poleceniu
  • Uruchamianie wielu zadań przy użyciu ulepszonych potoków
    • Uruchamianie serii poleceń połączonych w potok (nowy)
    • Składniki — uruchamianie potoków przy użyciu składników wielokrotnego użytku (nowy)
  • Korzystanie z modeli na potrzeby wnioskowania usługi Managed Online (nowy)
  • Używanie modeli do wnioskowania wsadowego zarządzanego
  • Zarządzanie zasobami AML — obszar roboczy, zasoby obliczeniowe, magazyny danych
  • Zarządzanie zasobami AML — zestawy danych, środowiska, modele
  • AutoML — uruchamianie autonomicznego trenowania automatycznego uczenia maszynowego dla różnych zadań ml:
    • Klasyfikacja (dane tabelaryczne)
    • Regresja (dane tabelaryczne)
    • Prognozowanie szeregów czasowych (dane tabelaryczne)
    • Klasyfikacja obrazów (wieloklasowa) (nowa)
    • Klasyfikacja obrazów (wiele etykiet) (nowy)
    • Wykrywanie obiektów obrazów (nowe)
    • Segmentacja wystąpienia obrazu (nowy)
    • Klasyfikacja tekstu NLP (wieloklasowa) (nowa)
    • Klasyfikacja tekstu NLP (multi-label) (nowa)
    • NlP Text Named Entity Recognition (NER) (Nowe)

Przykłady

Rozwiązywanie problemów

Ogólne

Klienci usługi Azure ML zgłaszają wyjątki zdefiniowane w usłudze 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))

Rejestrowanie

Ta biblioteka używa standardowej biblioteki rejestrowania do rejestrowania. Podstawowe informacje o sesjach HTTP (adresach URL, nagłówkach itp.) są rejestrowane na poziomie INFORMACJI.

Szczegółowe rejestrowanie na poziomie DEBUG, w tym treści żądań/odpowiedzi i nieredagowanych nagłówków, można włączyć na kliencie z argumentem logging_enable .

Zobacz pełną dokumentację rejestrowania zestawu SDK z przykładami tutaj.

Telemetria

Zestaw SDK języka Python usługi Azure ML zawiera funkcję telemetrii, która zbiera dane użycia i niepowodzeń dotyczące zestawu SDK i wysyła je do firmy Microsoft tylko podczas korzystania z zestawu SDK w Jupyter Notebook. Dane telemetryczne nie będą zbierane w celu użycia zestawu SDK języka Python poza Jupyter Notebook.

Dane telemetryczne pomagają zespołowi ZESTAWU SDK zrozumieć, w jaki sposób jest używany zestaw SDK, dzięki czemu można go ulepszyć, a informacje o błędach pomagają zespołowi w rozwiązywaniu problemów i usuwaniu usterek. Funkcja telemetrii zestawu SDK jest domyślnie włączona dla Jupyter Notebook użycia i nie można jej włączyć w scenariuszach innych niż Jupyter. Aby zrezygnować z funkcji telemetrii w scenariuszu Programu Jupyter, przekaż element enable_telemetry=False podczas konstruowania obiektu MLClient.

Następne kroki

Współtworzenie

W tym projekcie zachęcamy do współtworzenia i zgłaszania sugestii. Współtworzenie w większości przypadków wymaga zgody na umowę licencyjną dotyczącą współautorów (CLA, Contributor License Agreement), zgodnie z którą współautor ma prawo udzielić i faktycznie udziela nam praw do używania wytworzonej przez siebie zawartości. Aby uzyskać szczegółowe informacje, odwiedź cla.microsoft.com.

Po przesłaniu żądania ściągnięcia robot CLA automatycznie określi, czy musisz przekazać umowę CLA, i doda odpowiednie informacje do tego żądania (na przykład etykietę czy komentarz). Po prostu postępuj zgodnie z instrukcjami robota. Wystarczy zrobić to raz dla wszystkich repozytoriów, w przypadku których jest używana nasza umowa CLA.

W tym projekcie przyjęto Kodeks postępowania oprogramowania Open Source firmy Microsoft. Aby uzyskać więcej informacji, zobacz Często zadawane pytania dotyczące kodeksu postępowania lub skontaktuj się z opencode@microsoft.com dodatkowymi pytaniami lub komentarzami.