Installera Azure Machine Learning SDK för Python

Artikel
05/30/2023

Den här artikeln är en guide för olika installationsalternativ för SDK.

Förutsättningar

Python installerad version 3.7 eller senare. För azureml-automl-paket använder du endast version 3.7 eller 3.8.
pip installerat

Standardinstallation

Använd azureml-core.

pip install azureml-core

Installera sedan andra paket som krävs för ditt specifika jobb.

Uppgraderingsinstallation

Tips

Vi rekommenderar att du alltid håller azureml-core uppdaterat till den senaste versionen.

Uppgradera en tidigare version:

pip install --upgrade azureml-core

Kontrollera version

Verifiera din SDK-version:

pip show azureml-core

Så här ser du alla paket i din miljö:

pip list

Du kan också visa SDK-versionen i Python, men den här versionen innehåller inte delversionen.

import azureml.core
print(azureml.core.VERSION)

Mer information om hur du konfigurerar utvecklingsmiljön för Azure Machine Learning-tjänsten finns i Konfigurera din utvecklingsmiljö.

Andra azureml-paket

SDK innehåller många andra valfria paket som du kan installera. Dessa inkluderar beroenden som inte krävs för alla användningsfall, så de ingår inte i standardinstallationen för att undvika att miljön överbelastas. I följande tabell beskrivs paketen , deras användningsfall och kommando för att installera, uppdatera & versionskontroll.

Ytterligare paket	Användningsfall	Installera/uppgradera/visa version
`azureml-automl-core`	Innehåller grundläggande automatiserade maskininlärningsklasser för Azure Machine Learning. Det här paketet används av azureml-train-automl-client och azureml-train-automl-runtime.	`pip install azureml-automl-core` `pip install --upgrade azureml-automl-core` `pip show azureml-automl-core`
`azureml-accel-models`	Påskyndar djupa neurala nätverk på FPGA:erna med Tjänsten Azure ML Hardware Accelerated Models.	`pip install azureml-accel-models` `pip install --upgrade azureml-accel-models` `pip show azureml-accel-models`
`azureml-train-automl`	Innehåller klasser för att skapa och köra automatiserade maskininlärningsexperiment. Installerar även vanliga datavetenskapspaket som `pandas`, `numpy`och `scikit-learn`. Om du vill skicka automatiserade ML-körningar på en fjärrberäkning och inte behöver utföra någon ML lokalt rekommenderar vi att du använder den tunna klienten, `azureml-train-automl-client`, paketet som är en del av `azureml-sdk`. Mer information om installation och arbete med den fullständiga `automl` SDK:t eller dess tunna klient finns i ytterligare vägledning för användningsfall. `azureml-train-automl-client` Precis som Med Python-standarden stöds en version bakåt och en version framåtkompatibilitet, men endast för det fullständiga `azureml-train-automl` paketet. Om en modell till exempel tränas med SDK version 1.29.0 kan du dra slutsatsdragning med SDK-versioner mellan 1.28.0 och 1.30.0.	För lokal conda-miljö: `pip install azureml-train-automl` `pip install --upgrade azureml-train-automl` `pip install show azureml-train-automl` Tunn klient för fjärrberäkning: `pip install azureml-train-automl-client` `pip install --upgrade azureml-train-automl-client` `pip install show azureml-train-automl-client`
`azureml-contrib`	Installerar azureml-contrib-* paket, som innehåller experimentella funktioner eller förhandsgranskningsfunktioner.	`pip install azureml-contrib` `pip install --upgrade azureml-contrib` `pip show azureml-contrib`
`azureml-datadrift`	Innehåller funktioner för att identifiera när modellträningsdata har glidit från dess bedömningsdata.	`pip install azureml-datadrift` `pip install --upgrade azureml-datadrift` `pip show azureml-datadrift`
`azureml-interpret`	Används för modelltolkning, inklusive funktions- och klassvikt för blackbox- och whitebox-modeller.	`pip azureml-interpret` `pip install --upgrade azureml-interpret` `pip show azureml-interpret`
`azureml-widgets`	Innehåller kärnpaket, moduler och klasser för Azure Machine Learning.	`pip install azureml-widgets` `pip install --upgrade azureml-widgets` `pip show azureml-widgets`
`azureml-contrib-services`	Innehåller funktioner för bedömning av skript för att begära rå HTTP-åtkomst.	`pip install azureml-contrib-services` `pip install --upgrade azureml-contrib-services` `pip show azureml-contrib-services`
`azureml-tensorboard`	Innehåller klasser och metoder för att exportera experimentkörningshistorik och starta TensorBoard för visualisering av experimentprestanda och struktur.	`pip install azureml-tensorboard` `pip install --upgrade azureml-tensorboard` `pip show azureml-tensorboard`
`azureml-mlflow`	Innehåller funktioner som integrerar Azure Machine Learning med MLFlow.	`pip install azureml-mlflow` `pip install --upgrade azureml-mlflow` `pip show azureml-mlflow`
`azureml-automl-runtime`	Innehåller automatiserade maskininlärningsklasser för körning av körningar i Azure Machine Learning.	`pip install azureml-automl-runtime` `pip install --upgrade azureml-automl-runtime` `pip show azureml-automl-runtime`
`azureml-widgets`	Innehåller funktioner för att visa förloppet för maskininlärningsträningskörningar i Jupyter Notebooks.	`pip install azureml-widgets` `pip install --upgrade azureml-widgets` `pip show azureml-widgets`
`azureml-train-restclients-hyperdrive`	Innehåller klasser som behövs för att skapa HyperDriveRuns med 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`	Innehåller basestimatorklasser och den generiska beräkningsklassen ,estimatorer som används i DNN-träning (Deep Neural Network), beräknare som används i Scikit-Learn träning, moduler och klasser som stöder hyperparameterjustering.	`pip install azureml-core` `pip install --upgrade azureml-core` `pip show azureml-core`
`azureml-train-automl-runtime`	Innehåller funktioner som representerar grundläggande automatiserade ML- och körningskomponenter i 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`	Innehåller kärnpaket, moduler och klasser för Azure Machine Learning.	`pip install azureml-train-automl-client` `pip install --upgrade azureml-train-automl-client` `pip show azureml-train-automl-client`
`azureml-telemetry`	Det här paketet används för att samla in telemetridata som loggmeddelanden, mått, händelser och aktivitetsmeddelanden.	`pip install azureml-telemetry` `pip install --upgrade azureml-telemetry` `pip show azureml-telemetry`
`azureml-synapse`	Innehåller Magic-kommandot för att hantera Synapse-sessionen och skicka kod och SparkMonitor-widgeten för att övervaka Spark-jobbförloppet för både Jupyter och JupyterLab	`pip install azureml-synapse` `pip install --upgrade azureml-synapse` `pip show azureml-synapse`
`azureml-sdk`	Thos-paketet används för att skapa och köra maskininlärningsarbetsflöden i Azure Machine Learning-tjänsten	`pip install azureml-sdk` `pip install --upgrade azureml-sdk` `pip show azureml-sdk`
`azureml-pipeline-steps`	Innehåller fördefinierade steg som kan köras i en Azure Machine Learning-pipeline.	`pip install azureml-pipeline-steps` `pip install --upgrade azureml-pipeline-steps` `pip show azureml-pipeline-steps`
`azureml-pipeline-core`	Innehåller grundläggande funktioner för Azure Machine Learning-pipelines, som är konfigurerbara arbetsflöden för maskininlärning.	`pip install azureml-pipeline-core` `pip install --upgrade azureml-pipeline-core` `pip show azureml-pipeline-core`
`azureml-pipeline`	Det här paketet används för att skapa, optimera och hantera arbetsflöden för maskininlärning	`pip install azureml-pipeline` `pip install --upgrade azureml-pipeline` `pip show azureml-pipeline`
`azureml-opendatasets`	Innehåller grundläggande funktioner för Azure Machine Learning-pipelines, som är konfigurerbara arbetsflöden för maskininlärning.	`pip install azureml-opendatasets` `pip install --upgrade azureml-opendatasets` `pip show azureml-opendatasets`
`azureml-interpret`	Innehåller funktioner för att arbeta med modelltolkning i Azure Machine Learning.	`pip install azureml-interpret` `pip install --upgrade azureml-interpret` `pip show azureml-interpret`
`azureml-defaults`	Det här paketet är ett metapaket som används internt av Azure Machine Learning.	`pip install azureml-defaults` `pip install --upgrade azureml-defaults` `pip show azureml-defaults`
`azureml-dataset-runtime`	Syftet med det här paketet är att samordna beroenden i AzureML-paket. Det här paketet är internt och är inte avsett att användas direkt.	`pip install azureml-dataset-runtime` `pip install --upgrade azureml-dataset-runtime` `pip show azureml-dataset-runtime`
`azureml-datadrift`	Innehåller funktioner för att identifiera när modellträningsdata har glidit från dess bedömningsdata.	`pip install azureml-datadrift` `pip install --upgrade azureml-datadrift` `pip show azureml-datadrift`
`azureml-contrib-server`	Det här paketet är en lokal HTTP-tjänst som används för att exponera en delmängd av funktionerna som tillhandahålls av AzureML SDK för VS Tools för AI-tillägg (VSCode och Visual Studio)	`pip install azureml-contrib-server` `pip install --upgrade azureml-contrib-server` `pip show azureml-contrib-server`
`azureml-contrib-run`	Det här paketet används för att innehålla integreringskoden för AzureML med Mlflow.	`pip install azureml-core` `pip install --upgrade azureml-core` `pip show azureml-core`
`azureml-contrib-reinforcementlearning`	Innehåller funktioner för att skapa ett Windows-beräkningsmål i Azure Machine Learning.	`pip install azureml-contrib-reinforcementlearning` `pip install --upgrade azureml-contrib-reinforcementlearning` `pip show azureml-contrib-reinforcementlearning`
`azureml-contrib-pipeline-steps`	Innehåller moduler och klasser för specialiserade Azure Machine Learning Pipeline-steg och tillhörande konfiguration.	`pip install azureml-contrib-pipeline-steps` `pip install --upgrade azureml-contrib-pipeline-steps` `pip show azureml-contrib-pipeline-steps`
`azureml-contrib-notebook`	Innehåller tillägg för att arbeta med Jupyter Notebooks i Azure Machine Learning.	`pip install azureml-contrib-notebook` `pip install --upgrade azureml-contrib-notebook` `pip show azureml-contrib-notebook`
`azureml-contrib-gbdt`	Det här paketet innehåller LightGBM-beräknaren.	`pip install azureml-contrib-gbdt` `pip install --upgrade azureml-contrib-gbdt` `pip show azureml-contrib-gbdt`
`azureml-contrib-functions`	Innehåller funktioner för att paketera Azure Machine Learning-modeller för distribution till Azure Functions.	`pip install azureml-contrib-functions` `pip install --upgrade azureml-contrib-functions` `pip show azureml-contrib-functions`
`azureml-contrib-fairness`	Det här paketet stöder användning av instrumentpaneler för rättvisebedömning i Azure Machine Learning Studio	`pip install azureml-contrib-fairness` `pip install --upgrade azureml-contrib-fairness` `pip show azureml-contrib-fairness`
`azureml-contrib-dataset`	Innehåller specialiserade funktioner för att arbeta med datauppsättningsobjekt i Azure Machine Learning.	`pip install azureml-contrib-dataset` `pip install --upgrade azureml-contrib-dataset` `pip show azureml-contrib-dataset`
`azureml-contrib-automl-pipeline-steps`	Innehåller fördefinierade steg som kan köras i en Azure Machine Learning-pipeline.	`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`	Det här paketet är endast avsett att användas av AutoML-systemgenererade skript. Om du vill installera i Windows måste paketen "torch" och "torchvision" installeras separat före det här paketet.	`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`	Gemensamt paket för Azure ML CLI-tillägget. Gemensamt för azure-cli-ml och 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`	Beräkningsmål för AzureML Contrib för AzureML AI Super Computer. AISCCompute är en hanterad AI-beräkningsinfrastruktur som kan kopplas till en arbetsyta av klusteradministratören.	`pip install azureml-contrib-aisc` `pip install --upgrade azureml-contrib-aisc` `pip show azureml-contrib-aisc`
`azureml-cli-common`	Gemensamt paket för Azure ML CLI-tillägget. Gemensamt för azure-cli-ml och azure-cli-ml-preview.	`pip install azureml-cli-common` `pip install --upgrade azureml-cli-common` `pip show azureml-cli-common`
`azureml-automl-dnn-nlp`	Det här paketet är endast avsett att användas av AutoML-systemgenererade skript.	`pip install azureml-automl-dnn-nlp` `pip install --upgrade azureml-automl-dnn-nlp` `pip show azureml-automl-dnn-nlp`
`azureml-accel-models`	Påskynda djupa neurala nätverk på FPGA:erna med Tjänsten Azure ML Hardware Accelerated Models.	`pip install azureml-accel-models` `pip install --upgrade azureml-accel-models` `pip show azureml-accel-models`
`azureml-inference-server-http`	Det här paketet aktiverar lokal utveckling, CI/CD-integrering, servervägar.	`pip install azureml-inference-server-http` `pip install --upgrade azureml-inference-server-http` `pip show azureml-inference-server-http`
`azure-ml-component`	Det här paketet innehåller funktioner för redigering och hantering av Azure Machine Learning-komponenter för redigering och sändning av pipelines med hjälp av komponenter	`pip install azure-ml-component` `pip install --upgrade azure-ml-component` `pip show azure-ml-component`
`azureml-pipeline-wrapper`	Det här paketet innehåller funktioner för att redigera och hantera Azure Machine Learning-moduler, redigera och skicka pipelines med hjälp av moduler	`pip install azureml-pipeline-wrapper` `pip install --upgrade azureml-pipeline-wrapper` `pip show azureml-pipeline-wrapper`
`azureml-designer-cv-modules`	Moduler för att förbearbeta och transformera bilder som att beskära, fylla eller ändra storlek.	`pip install azureml-designer-cv-modules` `pip install --upgrade azureml-designer-cv-modules` `pip show azureml-designer-cv-modules`
`azureml-designer-pytorch-modules`	Moduler för att träna och härleda bildklassificeringsmodeller baserat på pytorch-ramverket.	`pip install azureml-designer-pytorch-modules` `pip install --upgrade azureml-designer-pytorch-modules` `pip show azureml-designer-pytorch-modules`
`azureml-designer-vowpal-wabbit-modules`	Moduler för att träna och härleda modeller baserat på Vowpal Wabbit-ramverket.	`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`	En mängd olika moduler för databehandling, modellträning, slutsatsdragning och utvärdering.	`pip install azureml-designer-classic-modules` `pip install --upgrade azureml-designer-classic-modules` `pip show azureml-designer-classic-modules`
`azureml-designer-recommender-modules`	Moduler för att träna och härleda rekommendationsmodeller baserat på djupa neurala nätverk.	`pip install azureml-designer-recommender-modules` `pip install --upgrade azureml-designer-recommender-modules` `pip show azureml-designer-recommender-modules`
`azureml-designer-internal`	Interna funktioner som tillhandahålls för inbyggda moduler.	`pip install azureml-designer-internal` `pip install --upgrade azureml-designer-internal` `pip show azureml-designer-internal`
`azureml-designer-core`	Grundläggande funktioner för definition av datatyp, data-io och ofta använda funktioner.	`pip install azureml-designer-core` `pip install --upgrade azureml-designer-core` `pip show azureml-designer-core`
`azureml-designer-datatransform-modules`	Moduler för att transformera datauppsättning, till exempel genom att tillämpa matematiska åtgärder, SQL-frågor, klippa ut extremvärden eller generera en statistikrapport.	`pip install azureml-designer-datatransform-modules` `pip install --upgrade azureml-designer-datatransform-modules` `pip show azureml-designer-datatransform-modules`
`azureml-designer-dataio-modules`	Moduler för att läsa in data i Azure Machine Learning Designer och skriva data till molnbaserad lagring.	`pip install azureml-designer-dataio-modules` `pip install --upgrade azureml-designer-dataio-modules` `pip show azureml-designer-dataio-modules`
`azureml-designer-serving`	Tillhandahålla funktioner för att anropa inbyggda moduler i distributionstjänsten.	`pip install azureml-designer-serving` `pip install --upgrade azureml-designer-serving` `pip show azureml-designer-serving`
`azureml-contrib-datadrift`	Innehåller funktioner för identifiering av dataavvikelser för olika datauppsättningar som används inom maskininlärning, inklusive träningsdatauppsättningar och bedömningsdatauppsättning.	`pip install azureml-contrib-datadrift` `pip install --upgrade azureml-contrib-datadrift` `pip show azureml-contrib-datadrift`
`azureml-contrib-explain-model`	Innehåller experimentella funktioner för paketet azureml-explain-model, som erbjuder en mängd olika tjänster för tolkning av maskininlärningsmodeller.	`pip install azureml-contrib-explain-model` `pip install --upgrade azureml-contrib-explain-model` `pip show azureml-contrib-explain-model`
`azureml-contrib-opendatasets`	Det här paketet innehåller en uppsättning API:er för att använda Azure Open Datasets.	`pip install azureml-contrib-opendatasets` `pip install --upgrade azureml-contrib-opendatasets` `pip show azureml-contrib-opendatasets`
`azureml-train-widgets`	Innehåller widgetar för Jupyter Notebooks för att visuellt spåra dina körningar.	`pip install azureml-train-widgets` `pip install --upgrade azureml-train-widgets` `pip show azureml-train-widgets`

Mer information om paketen ovan finns i AzureML på pypi.

Ytterligare vägledning för användningsfall

Observera vägledningen och eventuella rekommenderade åtgärder om ditt användningsfall beskrivs nedan.

Användningsfall	Vägledning
Använda `automl`	Installera hela`azureml-train-automl` SDK i en ny 64-bitars Python-miljö. En ny 64-bitars miljö krävs på grund av ett beroende av LightGBM-ramverket . Det här paketet installerar och fäster specifika versioner av data science-paket för kompatibilitet, vilket kräver en ren miljö. Den tunna klienten, `azureml-train-automl-client`, paketet installerar inte ytterligare data science-paket eller kräver en ren Python-miljö. Vi rekommenderar att `azureml-train-automl-client` du bara behöver skicka automatiserade ML-körningar till en fjärrberäkning och inte behöver skicka lokala körningar eller ladda ned din modell lokalt. En version bakåt och en version framåtkompatibilitet stöds endast för modeller som tränats med hela `azureml-train-automl` paketet. Om en modell till exempel tränas med SDK version 1.29.0 kan du dra slutsatsdragning med SDK-versioner mellan 1.28.0 och 1.30.0.
Använda Azure Databricks	I Azure Databricks-miljön använder du bibliotekskällorna som beskrivs i den här guiden för att installera SDK:t. Mer information om hur du arbetar med Azure Machine Learning SDK för Python i Azure Databricks finns i de här tipsen .
Använda Azure Data Science Virtual Machine	Azure Data Science Virtual Machines som skapats efter det den 27 september 2018 levereras förinstallerade med Python-SDK:n.
Köra Azure Machine Learning-självstudier eller notebook-filer	Om du använder en äldre version av SDK:t än den som nämns i självstudien eller notebook-filen bör du uppgradera SDK:t. Vissa funktioner i självstudierna och notebook-filerna kan kräva ytterligare Python-paket som `matplotlib`, `scikit-learn`eller `pandas`. Instruktioner i varje självstudie och anteckningsbok visar vilka paket som krävs.

Felsökning

Pip-installation: Beroenden är inte garanterade att vara konsekventa med enkelradsinstallation:

Detta är en känd begränsning av pip eftersom den inte har en fungerande beroendelösare när du installerar som en enda rad. Det första unika beroendet är det enda som det tittar på.

I följande kod azureml-datadrift och azureml-train-automl installeras båda med en enda rad pip installation.
```
  pip install azureml-datadrift, azureml-train-automl
```
I det här exemplet ska vi säga kräver azureml-datadrift version > 1.0 och azureml-train-automl kräver version < 1.2. Om den senaste versionen av azureml-datadrift är 1.3 uppgraderas båda paketen till 1.3, oavsett paketkravet azureml-train-automl för en äldre version.

Installera med flera rader som i följande kod för att säkerställa att rätt versioner är installerade för dina paket. Order är inte ett problem här, eftersom pip uttryckligen nedgraderas som en del av nästa radanrop. Därför tillämpas lämpliga versionsberoenden.
```
   pip install azureml-datadrift
   pip install azureml-train-automl 
```

Förklaringspaketet kommer inte garanterat att installeras när du installerar azureml-train-automl-client:

När du kör en autoML-fjärrkörning med modellförklaring aktiverad visas ett felmeddelande om att installera azureml-explain-model-paketet för modellförklaringar. Det här är ett känt problem. Som en lösning följer du något av stegen nedan:

Installera azureml-explain-model lokalt.

    pip install azureml-explain-model

Inaktivera förklaringsfunktionen helt genom att skicka model_explainability=False i AutoML-konfigurationen.

    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)

Panda-fel: Visas vanligtvis under AutoML-experiment:

När du konfigurerar din miljö manuellt med pip kan du märka fel (särskilt från Pandas) på grund av att paketversioner som inte stöds installeras.

Till exempel ModuleNotFoundError: No module named 'pandas.core.internals.managers'; 'pandas.core.internals' is not a package

För att förhindra sådana fel installerar du AutoML SDK med hjälp av automl_setup.cmd:
1. Öppna en Anaconda-prompt och klona GitHub-lagringsplatsen för en uppsättning notebook-exempel.
```
git clone https://github.com/Azure/MachineLearningNotebooks.git
```
1. cd till mappen how-to-use-azureml/automated-machine-learning där exempelanteckningsböckerna extraherades och sedan kördes:
```
automl_setup
```
KeyError: "brand" när du kör AutoML på lokalt beräknings- eller Azure Databricks-kluster

Om en ny miljö skapades efter den 10 juni 2020 med hjälp av SDK 1.7.0 eller tidigare kan träningen misslyckas med det här felet på grund av en uppdatering i py-cpuinfo-paketet. (Miljöer som skapats den 10 juni 2020 eller före den 10 juni 2020 påverkas inte, liksom experiment som körs på fjärrberäkning eftersom cachelagrade träningsbilder används.) Du kan lösa det här problemet genom att utföra något av följande två steg:
- Uppdatera SDK-versionen till 1.8.0 eller senare (detta nedgraderar även py-cpuinfo till 5.0.0):
```
pip install --upgrade azureml-sdk[automl]
```
- Nedgradera den installerade versionen av py-cpuinfo till 5.0.0:
```
pip install py-cpuinfo==5.0.0
```
Felmeddelande: Det går inte att avinstallera PyYAML

Azure Machine Learning SDK för Python: PyYAML är ett distutils installerat projekt. Därför kan vi inte exakt avgöra vilka filer som tillhör den om det finns en partiell avinstallation. Om du vill fortsätta att installera SDK:en samtidigt som du ignorerar det här felet använder du:
```
pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
```
Azure Machine Learning SDK-installationen misslyckas med ett undantag: ModuleNotFoundError: Ingen modul med namnet "ruamel" eller "ImportError: Ingen modul med namnet ruamel.yaml"

Det här problemet uppstår vid installationen av Azure Machine Learning SDK för Python på den senaste pipen (>20.1.1) i conda-basmiljön för alla versioner av Azure Machine Learning SDK för Python. Se följande lösningar:
- Undvik att installera Python SDK i conda-basmiljön, snarare skapa din conda-miljö och installera SDK i den nya användarmiljön. Den senaste pipen bör fungera med den nya conda-miljön.
- Om du vill skapa avbildningar i Docker, där du inte kan växla från conda-basmiljön, fäster du pip<=20.1.1 i docker-filen.
```
conda install -c r -y conda python=3.8 pip=20.1.1
```

Nästa steg

Prova följande steg för att lära dig hur du använder Azure Machine Learning Service SDK för Python:

Läs översikten över Azure Machine Learnin Python SDK för att lära dig mer om viktiga klasser och designmönster med kodexempel.
Följ självstudiekursen om Att komma igång med Azure Machine Learning Python för att börja skapa experiment och modeller.