Клиентская библиотека пакета машинного обучения Azure для Python — версия 1.12.1

Статья
11/17/2023

Мы рады представить общедоступную версию пакета SDK Python для Машинного обучения Azure версии 2. Пакет SDK для Python версии 2 предоставляет новые возможности пакета SDK, такие как автономные локальные задания, повторно используемые компоненты для конвейеров и управляемые сетевые или пакетные выводы. Пакет SDK для Python версии 2 позволяет легко и постепенно переходить от простых задач к сложным. Для этого используется общая объектная модель, которая обеспечивает повторное использование концепции и согласованность действий в различных задачах. Пакет SDK версии 2 совместно с CLI версии 2, который также является общедоступным.

Этот пакет протестирован с python 3.7, 3.8, 3.9 и 3.10.

Более полный набор библиотек Azure см. в статье. https://aka.ms/azsdk/python/all

Начало работы

Предварительные требования

Для использования этого пакета требуется Python 3.7 или более поздней версии.
У вас должна быть подписка Azure.
Рабочая область Машинного обучения Azure.

Установка пакета

Установите клиентную библиотеку Машинного обучения Azure для Python с помощью pip:

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

Аутентификация клиента

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

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

Основные понятия

Пакет SDK Python версии 2 Машинного обучения Azure поставляется со множеством новых функций, таких как автономные локальные задания, повторно используемые компоненты для конвейеров и управляемые сетевые или пакетные выводы. Пакет SDK версии 2 обеспечивает согласованность и простоту использования во всех ресурсах платформы. Пакет SDK для Python версии 2 предоставляет следующие возможности:

Запуск автономных заданий — выполнение дискретного действия машинного обучения в качестве задания. Это задание можно выполнять локально или в облаке. В настоящее время поддерживаются следующие типы заданий:
- Команда — выполнение команды (Python, R, команда Windows, оболочка Linux и т. д.)
- Очистка — выполнение очистки гиперпараметров в команде
Выполнение нескольких заданий с помощью улучшенных конвейеров
- Выполнение ряда команд, вставленных в конвейер (новое)
- Компоненты — запуск конвейеров с помощью повторно используемых компонентов (новые)
Использование моделей для вывода с управляемым сетевым интерфейсом (новые)
Использование моделей для управляемого пакетного вывода
Управление ресурсами AML — рабочей областью, вычислениями, хранилищами данных
Управление ресурсами AML — наборы данных, среды, модели
AutoML — выполнение автономного обучения AutoML для различных задач ml:
- Классификация (табличные данные)
- Регрессия (табличные данные)
- Прогнозирование временных рядов (табличные данные)
- Классификация изображений (многоклассовая) (новая)
- Классификация изображений (с несколькими метками) (новая)
- Обнаружение объектов изображений (новое)
- Сегментация экземпляра образа (новая)
- Классификация текста NLP (многоклассовая) (новая)
- Классификация текста NLP (с несколькими метками) (новая)
- Распознавание именованных сущностей текста NLP (NER) (новое)

Примеры

Просмотрите наши примеры.

Устранение неполадок

Общие сведения

Клиенты Машинного обучения Azure вызывают исключения, определенные в 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))

Ведение журнала

Эта библиотека использует стандартную библиотеку ведения журнала для ведения журнала. Основные сведения о сеансах HTTP (URL-адреса, заголовки и т. д.) регистрируются на уровне INFO.

Подробное ведение журнала на уровне DEBUG, включая тексты запросов и ответов и нередактированные заголовки, можно включить на клиенте с помощью аргумента logging_enable .

См. полную документацию по ведению журнала пакета SDK с примерами здесь.

Телеметрия

Пакет SDK Для Python для Машинного обучения Azure включает функцию телеметрии, которая собирает данные об использовании и сбоях пакета SDK и отправляет их в корпорацию Майкрософт при использовании пакета SDK только в Jupyter Notebook. Данные телеметрии не будут собираться для любого использования пакета SDK для Python за пределами Jupyter Notebook.

Данные телеметрии помогают команде sdk понять, как используется пакет SDK, чтобы его можно было улучшить, а сведения о сбоях помогают команде устранять проблемы и устранять ошибки. Функция телеметрии пакета SDK включена по умолчанию для Jupyter Notebook использования и не может быть включена для сценариев, отличных от Jupyter. Чтобы отказаться от функции телеметрии в сценарии Jupyter, передайте enable_telemetry=False при создании объекта MLClient.

Дальнейшие действия

Просмотрите наши примеры.

Участие

На этом проекте приветствуются публикации и предложения. Для участия в большинстве процессов по разработке документации необходимо принять лицензионное соглашение участника (CLA), в котором указывается, что вы предоставляете нам права на использование ваших публикаций. Дополнительные сведения см . на странице cla.microsoft.com.

При отправке запроса на включение внесенных изменений CLA-бот автоматически определит необходимость предоставления соглашения CLA и соответствующего оформления запроса на включение внесенных изменений (например, добавление метки, комментария). Просто следуйте инструкциям бота. Будет достаточно выполнить их один раз для всех репозиториев, поддерживающих соглашение CLA.

В рамках этого проекта действуют правила поведения в отношении продуктов с открытым исходным кодом Майкрософт. Дополнительные сведения см. в разделе часто задаваемых вопросов о правилах поведения или обратитесь к opencode@microsoft.com с любыми дополнительными вопросами или комментариями.

Поделиться через