スクリプト実行を SDK v2 にアップグレードする

SDK v2 では、"実験" と "実行" がジョブに統合されます。

ジョブには種類があります。 ほとんどのジョブは、command (python main.py など) を実行するコマンド ジョブです。 ジョブで実行されるものはどのプログラミング言語にも依存しないため、bash スクリプトの実行、python インタープリターの呼び出し、一連の curl コマンドの実行などが行えます。

アップグレードするには、ジョブを送信するためのコードを SDK v2 に変更する必要があります。 ジョブ "内で" 実行するものを SDK v2 にアップグレードする必要はありません。 ただし、Azure Machine Learning に固有のコードは、モデル トレーニング スクリプトから削除することをお勧めします。 この分離により、ローカルとクラウドの切り替えが容易になり、成熟した MLOps のベスト プラクティスと見なされます。 実際には、これは azureml.* コード行の削除を意味します。 モデルのログと追跡コードは、MLflow に置き換える必要があります。 詳細については、v2 で MLflow を使用する方法に関する記事を参照してください。

この記事では、SDK v1 と SDK v2 のシナリオの比較を示します。

スクリプト実行を送信する

• SDK v1

  from azureml.core import Workspace, Experiment, Environment, ScriptRunConfig
  
  # connect to the workspace
  ws = Workspace.from_config()
  
  # define and configure the experiment
  experiment = Experiment(workspace=ws, name='day1-experiment-train')
  config = ScriptRunConfig(source_directory='./src',
                              script='train.py',
                              compute_target='cpu-cluster')
  
  # set up pytorch environment
  env = Environment.from_conda_specification(
      name='pytorch-env',
      file_path='pytorch-env.yml')
  config.run_config.environment = env
  
  run = experiment.submit(config)
  
  aml_url = run.get_portal_url()
  print(aml_url)
  

• SDK v2

  #import required libraries
  from azure.ai.ml import MLClient, command
  from azure.ai.ml.entities import Environment
  from azure.identity import DefaultAzureCredential
  
  #connect to the workspace
  ml_client = MLClient.from_config(DefaultAzureCredential())
  
  # set up pytorch environment
  env = Environment(
      image="mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04",
      conda_file="pytorch-env.yml",
      name="pytorch-env"
  )
  
  # define the command
  command_job = command(
      code="./src",
      command="train.py",
      environment=env,
      compute="cpu-cluster",
  )
  
  returned_job = ml_client.jobs.create_or_update(command_job)
  returned_job
  

SDK v1 と SDK v2 の主要機能の比較

次のステップ

詳細については、次を参照してください。

• V1 - 実験
• V2 - コマンド ジョブ
• Azure Machine Learning Python SDK v2 を使用したモデルのトレーニング