Pustaka klien Paket Azure ML untuk Python - versi 1.12.1

  • Artikel

Kami sangat senang memperkenalkan GA Azure Machine Learning Python SDK v2. Python SDK v2 memperkenalkan kemampuan SDK baru seperti pekerjaan lokal mandiri, komponen yang dapat digunakan kembali untuk alur dan inferensi online/batch terkelola. Python SDK v2 memungkinkan Anda berpindah dari tugas sederhana ke kompleks dengan mudah dan bertahap. Ini diaktifkan dengan menggunakan model objek umum yang membawa penggunaan kembali konsep dan konsistensi tindakan di berbagai tugas. SDK v2 berbagi fondasinya dengan CLI v2 yang juga GA.

Kode sumber | Paket (PyPI) | Paket (Conda) | Dokumentasi | referensi APIDokumentasi | produkSampel

Paket ini telah diuji dengan Python 3.7, 3.8, 3.9 dan 3.10.

Untuk kumpulan pustaka Azure yang lebih lengkap, lihat https://aka.ms/azsdk/python/all

Memulai

Prasyarat

Instal paketnya

Instal pustaka klien Azure ML untuk Python dengan pip:

pip install azure-ai-ml
pip install azure-identity

Mengautentikasi klien

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

ml_client = MLClient(
    DefaultAzureCredential(), subscription_id, resource_group, workspace
)

Konsep utama

Azure Machine Learning Python SDK v2 hadir dengan banyak fitur baru seperti pekerjaan lokal mandiri, komponen yang dapat digunakan kembali untuk alur dan inferensi online/batch terkelola. SDK v2 menghadirkan konsistensi dan kemudahan penggunaan di semua aset platform. Python SDK v2 menawarkan kemampuan berikut:

  • Jalankan Pekerjaan Mandiri - jalankan aktivitas ML diskrit sebagai Pekerjaan. Pekerjaan ini dapat dijalankan secara lokal atau di cloud. Saat ini kami mendukung jenis pekerjaan berikut:
    • Command - jalankan perintah (Python, R, Windows Command, Linux Shell dll.)
    • Sapuan - jalankan pembersihan hyperparameter pada Perintah Anda
  • Jalankan beberapa pekerjaan menggunakan Alur kami yang ditingkatkan
    • Menjalankan serangkaian perintah yang dijahit ke dalam alur (Baru)
    • Komponen - jalankan alur menggunakan komponen yang dapat digunakan kembali (Baru)
  • Menggunakan model Anda untuk inferensi Online Terkelola (Baru)
  • Menggunakan model Anda untuk Inferensi batch terkelola
  • Mengelola sumber daya AML – ruang kerja, komputasi, penyimpanan data
  • Mengelola aset AML - Himpunan data, lingkungan, model
  • AutoML - jalankan pelatihan AutoML mandiri untuk berbagai tugas ml:
    • Klasifikasi (Data tabular)
    • Regresi (Data tabular)
    • Prakiraan Rangkaian Waktu (Data tabular)
    • Klasifikasi Gambar (Multi-kelas) (Baru)
    • Klasifikasi Gambar (Multi-label) (Baru)
    • Deteksi Objek Gambar (Baru)
    • Segmentasi Instans Gambar (Baru)
    • Klasifikasi Teks NLP (Multi-kelas) (Baru)
    • Klasifikasi Teks NLP (Multi-label) (Baru)
    • Pengenalan Entitas Karakter Teks NLP (NER) (Baru)

Contoh

Pemecahan Masalah

Umum

Klien Azure ML menaikkan pengecualian yang ditentukan di 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))

Pembuatan Log

Pustaka ini menggunakan pustaka pengelogan standar untuk pengelogan. Informasi dasar tentang sesi HTTP (URL, header, dll.) dicatat di tingkat INFO.

Pengelogan tingkat DEBUG terperinci, termasuk isi permintaan/respons dan header yang tidak diredaksikan, dapat diaktifkan pada klien dengan logging_enable argumen .

Lihat dokumentasi pengelogan SDK lengkap dengan contoh di sini.

Telemetri

Azure ML Python SDK menyertakan fitur telemetri yang mengumpulkan data penggunaan dan kegagalan tentang SDK dan mengirimkannya ke Microsoft saat Anda menggunakan SDK di Jupyter Notebook saja. Telemetri tidak akan dikumpulkan untuk penggunaan Python SDK apa pun di luar Jupyter Notebook.

Data telemetri membantu tim SDK memahami bagaimana SDK digunakan sehingga dapat ditingkatkan dan informasi tentang kegagalan membantu tim menyelesaikan masalah dan memperbaiki bug. Fitur telemetri SDK diaktifkan secara default untuk penggunaan Jupyter Notebook dan tidak dapat diaktifkan untuk skenario non-Jupyter. Untuk menolak fitur telemetri dalam skenario Jupyter, teruskan enable_telemetry=False saat membuat objek MLClient Anda.

Langkah berikutnya

Berkontribusi

Proyek ini menyambut baik kontribusi dan saran. Sebagian besar kontribusi mengharuskan Anda menyetujui Perjanjian Lisensi Kontributor (CLA) yang menyatakan bahwa Anda memiliki hak untuk, dan benar-benar melakukannya, memberi kami hak untuk menggunakan kontribusi Anda. Untuk detailnya, kunjungi cla.microsoft.com.

Ketika Anda mengirimkan permintaan tarik, CLA-bot akan secara otomatis menentukan apakah Anda perlu memberikan CLA dan menghias PR dengan tepat (misalnya, label, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukan ini sekali di semua repos menggunakan CLA kami.

Proyek ini telah mengadopsi Kode Etik Sumber Terbuka Microsoft. Untuk informasi selengkapnya, lihat Tanya Jawab Umum Tata Tertib atau hubungi opencode@microsoft.com untuk pertanyaan atau komentar lainnya.