Installera Azure Mašinsko učenje SDK för Python

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 installerad

Standardinstallation

Använd azureml-core.

pip install azureml-core

Installera sedan alla andra paket som krävs för ditt specifika jobb.

Uppgraderingsinstallation

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 Mašinsko učenje-tjänsten finns i Konfigurera utvecklingsmiljön.

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 svälls upp. I följande tabell beskrivs paketen ,deras användningsfall och kommando för att installera, uppdatera och versionskontroll.

Mer information om paketen ovan finns i AzureML på pypi.

Ytterligare vägledning för användningsfall

Om ditt användningsfall beskrivs nedan bör du notera vägledningen och eventuella rekommenderade åtgärder.

Felsökning

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

  Detta är en känd begränsning för pip eftersom den inte har någon 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.

  För att säkerställa att lämpliga versioner är installerade för dina paket installerar du med flera rader som i följande kod. Order är inte ett problem här, eftersom pip uttryckligen nedgraderas som en del av nästa linjeanrop. Därför tillämpas lämpliga versionsberoenden.

     pip install azureml-datadrift
     pip install azureml-train-automl 
  

• Förklaringspaketet är inte garanterat installerat 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-package för modellförklaringar. Det här är ett känt problem. Som en lösning följer du något av stegen nedan:

  1. Installera azureml-explain-model lokalt.

      pip install azureml-explain-model
  

  2. 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 har installerats.

  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-exempelanteckningsböcker.

  git clone https://github.com/Azure/MachineLearningNotebooks.git
  

  2. 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 Mašinsko učenje 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:et medan du ignorerar det här felet använder du:

  pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
  

• Azure Mašinsko učenje 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 Mašinsko učenje SDK för Python på den senaste pipen (>20.1.1) i conda-basmiljön för alla versioner av Azure Mašinsko učenje SDK för Python. Se följande lösningar:

  • Undvik att installera Python SDK i conda-basmiljön, snarare skapa din conda-miljö och installera SDK i den nyligen skapade användarmiljön. Den senaste pipen bör fungera med den nya conda-miljön.

  • Om du vill skapa avbildningar i docker, där du inte kan växla bort 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 Mašinsko učenje service SDK för Python:

1. Läs översikten över Azure Machine Learnin Python SDK för att lära dig mer om nyckelklasser och designmönster med kodexempel.
2. Följ självstudien Azure Mašinsko učenje Komma igång med Python för att börja skapa experiment och modeller.