Biblioteca de cliente do Pacote do Azure ML para Python – versão 1.12.1
Estamos entusiasmados por apresentar o GA do SDK Python v2 do Azure Machine Learning. O SDK Python v2 introduz novas funcionalidades do SDK, como tarefas locais autónomas, componentes reutilizáveis para pipelines e inferências geridas online/batch. O SDK Python v2 permite-lhe passar de tarefas simples para complexas de forma fácil e incremental. Isto é ativado através de um modelo de objeto comum que traz reutilização de conceitos e consistência de ações em várias tarefas. O SDK v2 partilha a sua base com a CLI v2, que também é GA.
Código fonte | Pacote (PyPI) | Pacote (Conda) | Documentação | de referência da APIDocumentação do | produtoExemplos
Este pacote foi testado com o Python 3.7, 3.8, 3.9 e 3.10.
Para obter um conjunto mais completo de bibliotecas do Azure, veja https://aka.ms/azsdk/python/all
Introdução
Pré-requisitos
- O Python 3.7 ou posterior é necessário para utilizar este pacote.
- Tem de ter uma subscrição do Azure.
- Uma Área de Trabalho do Azure Machine Learning.
Instalar o pacote
Instale a biblioteca de cliente do Azure ML para Python com pip:
pip install azure-ai-ml
pip install azure-identity
Autenticar o cliente
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential
ml_client = MLClient(
DefaultAzureCredential(), subscription_id, resource_group, workspace
)
Conceitos-chave
O SDK Python v2 do Azure Machine Learning inclui muitas funcionalidades novas, como tarefas locais autónomas, componentes reutilizáveis para pipelines e inferência online/batch gerida. O SDK v2 traz consistência e facilidade de utilização em todos os recursos da plataforma. O SDK Python v2 oferece as seguintes capacidades:
- Executar Tarefas Autónomas - execute uma atividade de ML discreta como Tarefa. Esta tarefa pode ser executada localmente ou na cloud. Atualmente, suportamos os seguintes tipos de tarefas:
- Comando - execute um comando (Python, R, Comando do Windows, Shell do Linux, etc.)
- Varrer - execute uma varredura de hiperparâmetros no comando
- Executar várias tarefas com os nossos Pipelines melhorados
- Executar uma série de comandos cosidos num pipeline (Novo)
- Componentes – executar pipelines com componentes reutilizáveis (Novo)
- Utilizar os seus modelos para inferência do Managed Online (Novo)
- Utilizar os seus modelos para inferência de lotes geridos
- Gerir recursos do AML – área de trabalho, computação, arquivos de dados
- Gerir recursos do AML – Conjuntos de dados, ambientes, modelos
- AutoML – execute a preparação autónoma de AutoML para várias tarefas ml:
- Classificação (dados tabulares)
- Regressão (dados tabulares)
- Previsão de Série temporal (dados tabulares)
- Classificação de Imagens (Multiclasse) (Novo)
- Classificação de Imagens (Várias Etiquetas) (Nova)
- Deteção de Objetos de Imagem (Novo)
- Segmentação de Instância de Imagem (Nova)
- Classificação de Texto NLP (Multiclasse) (Novo)
- Classificação de Texto NLP (Várias Etiquetas) (Nova)
- NlP Text Named Entity Recognition (NER) (Novo)
Exemplos
- Veja os nossos exemplos.
Resolução de problemas
Geral
Os clientes do Azure ML geram exceções definidas no 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))
Registo
Esta biblioteca utiliza a biblioteca de registos padrão para registo. As informações básicas sobre sessões HTTP (URLs, cabeçalhos, etc.) são registadas ao nível da INFORMAÇÃO.
O registo de nível de DEBUG detalhado, incluindo os corpos de pedido/resposta e os cabeçalhos não retotados, pode ser ativado num cliente com o logging_enable
argumento .
Veja a documentação completa do registo do SDK com exemplos aqui.
Telemetria
O SDK Python do Azure ML inclui uma funcionalidade de telemetria que recolhe dados de utilização e falha sobre o SDK e os envia para a Microsoft quando utiliza o SDK apenas num Jupyter Notebook. A telemetria não será recolhida para qualquer utilização do SDK Python fora de um Jupyter Notebook.
Os dados telemétricos ajudam a equipa do SDK a compreender como o SDK é utilizado para que possa ser melhorado e as informações sobre falhas ajudam a equipa a resolver problemas e a corrigir erros.
A funcionalidade de telemetria do SDK está ativada por predefinição para Jupyter Notebook utilização e não pode ser ativada para cenários não Jupyter. Para optar ativamente por não participar na funcionalidade de telemetria num cenário do Jupyter, transmita enable_telemetry=False
ao construir o objeto MLClient.
Passos seguintes
- Veja os nossos exemplos.
Contribuir
Agradecemos todas as contribuições e sugestões para este projeto. A maioria das contribuições requerem que celebre um Contrato de Licença de Contribuição (CLA) no qual se declare que tem o direito de conceder e que, na verdade, concede-nos os direitos para utilizar a sua contribuição. Para obter detalhes, visite cla.microsoft.com.
Quando submete um pedido Pull, um bot do CLA determina automaticamente se tem de fornecer um CLA e decorar o PR de forma adequada (por exemplo, etiqueta, comentário). Só tem de seguir as instruções fornecidas pelo bot. Apenas terá de fazer isto uma vez em todos os repositórios com o nosso CLA.
Este projeto adotou o Microsoft Open Source Code of Conduct (Código de Conduta do Microsoft Open Source). Para obter mais informações, consulte as FAQ do Código de Conduta ou contacte opencode@microsoft.com com quaisquer perguntas ou comentários adicionais.
Azure SDK for Python