Partager via


Présentation de l’interface CLI et du kit de développement logiciel (SDK) Python Azure Machine Learning v2.

S’APPLIQUE À :Extension Azure CLI v2 (actuelle)Kit de développement logiciel (SDK) Python azure-ai-ml v2 (version actuelle)

L’interface CLI Azure Machine Learning v2 (CLI v2) et le kit de développement logiciel (SDK) Python Azure Machine Learning v2 (SDK v2) introduisent une cohérence des fonctionnalités et de la terminologie entre les différentes interfaces. Pour créer cette cohérence, la syntaxe des commandes diffère, parfois de manière significative, de celle des premières versions (v1).

Il n’existe aucune différence en termes de fonctionnalités entre CLI v2 et SDK v2. L’interface de ligne de commande (CLI) peut être plus pratique dans les scénarios de type MLOps CI/CD, tandis que le SDK peut être mieux adapté au développement.

CLI Azure Machine Learning v2

L’interface CLI Azure Machine Learning v2 (CLI v2) est l’extension la plus récente pour l’interface de ligne de commande Azure. CLI v2 fournit des commandes au format az ml <nom><verbe><options> qui vous permettent de créer et de gérer les ressources et les flux de travail Machine Learning. Les ressources et les flux de travail sont définis en utilisant un fichier YAML. Le fichier YAML définit la configuration de la ressource ou du flux de travail. Par exemple, ce qu’il sont-et où ils doivent s’exécuter.

Voici quelques exemples de commandes de l’interface CLI v2 :

  • az ml job create --file my_job_definition.yaml
  • az ml environment update --name my-env --file my_updated_env_definition.yaml
  • az ml model list
  • az ml compute show --name my_compute

Cas d’usage de l’interface CLI v2

CLI v2 est utile dans les scénarios suivants :

  • Intégrer Machine Learning sans avoir besoin d’apprendre un langage de programmation spécifique.

    Le fichier YAML définit la configuration de la ressource ou du flux de travail , comme sa description et son emplacement d’exécution, entre autres. Toute logique personnalisée ou adresse IP utilisée, par exemple la préparation des données, la formation du modèle et le scoring de modèle, peut rester dans des fichiers de script. Ces fichiers sont référencés dans le YAML, mais ne font pas partie du YAML lui-même. Machine Learning prend en charge les fichiers de script en Python, R, Java, Julia ou C#. Tout ce que vous avez à apprendre est le format YAML et les lignes de commande nécessaires à l’utilisation de Machine Learning. Vous pouvez utiliser les fichiers de script de votre choix.

  • Tirez parti de la facilité de déploiement et d’automatisation.

    L’utilisation de la ligne de commande pour l’exécution simplifie le déploiement et l’automatisation, car vous pouvez appeler des flux de travail depuis n’importe quelle offre ou plateforme, ce qui permet aux utilisateurs d’appeler la ligne de commande.

  • Utiliser les déploiements d’inférence managée.

    Machine Learning offre des points de terminaison pour rationnaliser les déploiements de modèle pour les déploiements d’inférence en temps réel comme par lot. Cette fonctionnalité est disponible uniquement avec l’interface CLI v2 et le SDK v2.

  • Réutiliser des composants dans les pipelines.

    Machine Learning introduit des composants pour gérer et réutiliser la logique commune entre les pipelines. Cette fonctionnalité est disponible uniquement avec l’interface CLI v2 et le SDK v2.

Kit SDK Python Azure Machine Learning v2

Le SDK Python Azure Machine Learning v2 est un package mis à jour du SDK Python, qui offre aux utilisateurs les possibilités suivantes :

  • Envoyez des travaux d’entraînement.
  • Gérer les données, les modèles et les environnements.
  • Réaliser une inférence managée (en temps réel et par lot).
  • Assembler plusieurs tâches et flux de travail de production en utilisant les pipelines Machine Learning.

SDK v2 est comparable à l’interface CLI v2 en termes de fonctionnalités, et est cohérent dans la façon dont les ressources (noms) et les actions (verbes) sont utilisés entre le kit de développement logiciel (SDK) et l’interface CLI. Par exemple, pour lister une ressource, vous pouvez utiliser l’action list dans le kit de développement logiciel (SDK) comme dans l’interface CLI. Vous pouvez utiliser la même action list pour lister un calcul, un modèle ou un environnement, entre autres.

Cas d’usage pour le SDK v2

SDK v2 est utile dans les scénarios suivants :

  • Utiliser des fonctions Python pour créer une seule étape ou un flux de travail complexe.

    SDK v2 vous permet de générer une seule commande, ou une chaîne de commandes comme les fonctions Python. La commande a un nom et des paramètres, attend une entrée et retourne une sortie.

  • Passer progressivement de concepts simples à des concepts plus complexes.

    Le SDK v2 vous donne les possibilités suivantes :

    • Créer une seule commande.
    • Ajouter un balayage d’hyperparamètre sur cette commande.
    • Ajouter la commande avec diverses autres dans un pipeline, les unes après les autres.

    Cette construction est utile, compte tenu de la nature itérative de l’apprentissage automatique.

  • Réutiliser des composants dans les pipelines.

    Machine Learning introduit des composants pour gérer et réutiliser la logique commune entre les pipelines. Cette fonctionnalité est disponible uniquement avec l’interface CLI v2 et le SDK v2.

  • Utiliser l’inférence managée.

    Machine Learning offre des points de terminaison pour rationnaliser les déploiements de modèle pour les déploiements d’inférence en temps réel comme par lot. Cette fonctionnalité est disponible uniquement avec l’interface CLI v2 et le SDK v2.

Dois-je utiliser v1 ou v2 ?

Le support de l’interface CLI v1 prendra fin le 30 septembre 2025.

Nous vous encourageons à migrer votre code pour l’interface CLI et le kit SDK de v1 vers v2. Pour plus d’informations, consultez Mettre à niveau vers v2.

CLI v2

L’interface CLI Azure Machine Learning v1 est maintenant déconseillée. La prise en charge de l’extension v1 se termine le 30 septembre 2025. Vous pourrez installer et utiliser l’extension v1 jusqu’à cette date.

Nous vous recommandons de passer à l’extension ml, ou v2, avant le 30 septembre 2025.

SDK v2

Il n’est pas prévu que le kit de développement logiciel (SDK) Python Azure Machine Learning v1 soit déconseillé. Si vous avez fait des investissements importants dans le SDK Python v1 et que vous n’avez pas besoin des nouvelles fonctionnalités proposées dans le SDK v2, vous pouvez continuer à utiliser le SDK v1. Toutefois, vous devez envisager de passer au SDK v2 si :

  • Vous souhaitez utiliser de nouvelles fonctionnalités, comme les composants réutilisables et l’inférence managée.
  • Vous démarrez un nouveau flux de travail ou un nouveau pipeline. Toutes les nouvelles fonctionnalités et investissements futurs seront introduits dans v2.
  • Vous souhaitez profiter de la plus grande facilité d’utilisation qu’offre le kit de développement logiciel (SDK) Python v2 : possibilité de créer des travaux et des pipelines à l’aide de fonctions Python, avec une évolution entre les tâches simples et les tâches complexes facilitée.

Étapes suivantes