Instalowanie zestawu SDK Azure Machine Learning dla języka PythonInstall the Azure Machine Learning SDK for Python

Ten artykuł zawiera Przewodnik dotyczący różnych opcji instalacji zestawu SDK.This article is a guide for different installation options for the SDK.

Domyślna instalacjaDefault install

Użyj polecenia azureml-core.Use azureml-core.

pip install azureml-core

Następnie zainstaluj wszystkie inne pakiety wymagane przez określone zadanie.Then install any other packages required for your particular job.

Inne pakiety AzureOther azureml packages

Zestaw SDK zawiera wiele innych opcjonalnych pakietów, które można zainstalować.The SDK contains many other optional packages that you can install. Należą do nich zależności, które nie są wymagane dla wszystkich przypadków użycia, dlatego nie są one uwzględnione w domyślnej instalacji, aby uniknąć przeładowania środowiska.These include dependencies that aren't required for all use-cases, so they are not included in the default installation in order to avoid bloating the environment. W poniższej tabeli przedstawiono niektóre z tych opcjonalnych pakietów i ich przypadki użycia.The following table outlines some of these optional packages and their use-cases.

 Pakiet dodatkowy Additional package  Przypadek użyciaUse-case
azureml-accel-models Przyspiesza głębokie sieci neuronowych w usłudze FPGA za pomocą usługi Azure ML Modele z przyspieszaniem sprzętowym.Accelerates deep neural networks on FPGAs with the Azure ML Hardware Accelerated Models Service.
azureml-train-automl Zapewnia klasy do kompilowania i uruchamiania zautomatyzowanych eksperymentów usługi Machine Learning.Provides classes for building and running automated machine learning experiments. Instaluje również popularne pakiety analizy danych pandas , w tym, numpy i scikit-learn .Also installs common data science packages including pandas, numpy, and scikit-learn. Zainstaluj azureml-train-automl program.Install azureml-train-automl.

Jeśli chcesz przesłać automatyczne uruchomienia maszyn w ramach obliczeń zdalnych i nie musisz lokalnie wykonywać żadnej ML, zalecamy użycie zubożonego klienta, azureml-train-automl-client pakietu, który jest częścią azureml-sdk instalacji domyślnej.If you're looking to submit automated ML runs on a remote compute and don't need do any ML locally, we recommend using the thin client, azureml-train-automl-client, package that is part of the azureml-sdk default installation.

Aby uzyskać więcej informacji na temat pracy z pełnym automl zestawem SDK lub klientem zubożonym, zobacz dodatkowe wskazówki dotyczące przypadku użycia azureml-train-automl-client .See the additional use-case guidance for more information on working with the full automl SDK or its thin client, azureml-train-automl-client.
azureml-contrib Instaluje azureml-contrib-* pakiety, które obejmują funkcje eksperymentalne lub funkcje wersji zapoznawczej.Installs azureml-contrib-* packages, which include experimental functionality or preview features.
azureml-datadrift Zawiera funkcje wykrywające, kiedy dane szkolenia modelu zostały przemieszczone na podstawie danych oceniania.Contains functionality to detect when model training data has drifted from its scoring data.
azureml-interpret Służy do interpretowania modeli, w tym dla funkcji i znaczenia klasy dla modeli blackbox i Whitebox.Used for model interpretability, including feature and class importance for blackbox and whitebox models.
azureml-widgets Zapewnia obsługę interaktywnych widżetów w środowisku Notatnika Jupyter.Provides support for interactive widgets in a Jupyter notebook environment. Instalacja nie jest konieczna, jeśli nie jest uruchomiony program w notesie Jupyter (np.This is unnecessary to install if you aren't running in a Jupyter notebook (ex. Jeśli tworzysz w platformy PyCharm itd) lub nie potrzebujesz widżetów.if you are building in PyCharm), or if you don't need widgets enabled.
azureml-contrib-services Oferuje funkcje do oceniania skryptów do żądania nieprzetworzonego dostępu do protokołu HTTP.Provides functionality for scoring scripts to request raw HTTP access.
azureml-tensorboard Zawiera klasy i metody eksportowania historii przebiegu eksperymentu i uruchamiania TensorBoard do wizualizacji wydajności eksperymentu i struktury.Provides classes and methods for exporting experiment run history and launching TensorBoard for visualizing experiment performance and structure.

Aby uzyskać pełną listę dostępnych pakietów, zobacz temat Azure on PyPi.For a full list of available packages, see AzureML on pypi.

Instalacja uaktualnieniaUpgrade install

Uaktualnij poprzednią wersję:Upgrade a previous version:

pip install --upgrade azureml-core

Porada

Zalecamy, aby zawsze zachować aktualizację Azure Core do najnowszej wersji.We recommend that you always keep azureml-core updated to the latest version.

Sprawdź wersjęCheck version

Sprawdź wersję zestawu SDK:Verify your SDK version:

pip show azureml-core

Aby wyświetlić wszystkie pakiety w Twoim środowisku:To see all packages in your environment:

pip list

Możesz również wyświetlić wersję zestawu SDK w języku Python, ale ta wersja nie będzie zawierać wersji pomocniczej.You can also show the SDK version in Python, but this version will not include the minor version.

import azureml.core
print(azureml.core.VERSION)

Aby dowiedzieć się więcej o konfigurowaniu środowiska deweloperskiego dla usługi Azure Machine Learning, zobacz Konfigurowanie środowiska deweloperskiego.To learn more about how to configure your development environment for Azure Machine Learning service, see Configure your development environment.

Dodatkowe wskazówki dotyczące przypadków użyciaAdditional use-case guidance

Jeśli poniżej opisano użycie przypadków użycia, zanotuj wskazówki i wszelkie zalecane działania.If your use-case is described below, note the guidance and any recommended actions.

Przypadek użyciaUse-case WskazówkiGuidance
Użyciu automl Using automl  Zainstaluj pełny azureml-train-automl zestaw SDK w nowym 64-bitowym środowisku języka Python.Install the full azureml-train-automl SDK in a new 64-bit Python environment. Nowe środowisko 64-bitowe jest wymagane ze względu na zależność od platformy LightGBM Framework.A new 64-bit environment is required because of a dependency on the LightGBM framework. Ten pakiet instaluje i przypina określone wersje pakietów analizy danych w celu zapewnienia zgodności, co wymaga czystego środowiska.This package installs and pins specific versions of data science packages for compatibility, which requires a clean environment.

Klient zubożony, azureml-train-automl-client pakiet nie instaluje dodatkowych pakietów do nauki o danych lub wymaga czystego środowiska języka Python.The thin client, azureml-train-automl-client, package doesn't install additional data science packages or require a clean Python environment. Zalecamy, aby do azureml-train-automl-client zdalnego obliczenia było wymagane tylko przesłanie zautomatyzowanych przebiegów ml i nie trzeba przesyłać lokalnych przebiegów ani pobierać modelu lokalnie.We recommend azureml-train-automl-client if you only need to submit automated ML runs to a remote compute, and don't need to submit local runs or download your model locally.
Używanie Azure DatabricksUsing Azure Databricks W środowisku Azure Databricks należy użyć źródeł biblioteki szczegółowo opisanych w tym przewodniku w celu zainstalowania zestawu SDK.In the Azure Databricks environment, use the library sources detailed in this guide for installing the SDK. Aby uzyskać więcej informacji na temat pracy z zestawem SDK Azure Machine Learning dla języka Python na Azure Databricks, zobacz te porady .Also, see these tips for further information on working with Azure Machine Learning SDK for Python on Azure Databricks.
Korzystanie z usługi Azure Data Science Virtual MachineUsing Azure Data Science Virtual Machine Maszyny wirtualne do analizy danych na platformie Azure utworzone po 27 września 2018 r. mają preinstalowany zestaw SDK języka Python.Azure Data Science Virtual Machines created after September 27, 2018 come with the Python SDK preinstalled.
Uruchamianie       samouczków lub notesów usługi Azure Machine LearningRunning Azure Machine Learning tutorials or notebooks Jeśli używasz starszej wersji zestawu SDK niż wspomniano w samouczku lub notesie, należy uaktualnić zestaw SDK.If you are using an older version of the SDK than the one mentioned in the tutorial or notebook, you should upgrade your SDK. Niektóre funkcje samouczków i notesów mogą wymagać dodatkowych pakietów języka Python, takich jak matplotlib , scikit-learn , lub pandas .Some functionality in the tutorials and notebooks may require additional Python packages such as matplotlib, scikit-learn, or pandas. Instrukcje w każdym samouczku i notesie pokazują, które pakiety są wymagane.Instructions in each tutorial and notebook will show you which packages are required.

Rozwiązywanie problemówTroubleshooting

  • Instalacja PIP: zależności nie są gwarantowane, aby były spójne z instalacją jednowierszową:Pip Installation: Dependencies are not guaranteed to be consistent with single-line installation:

    Jest to znane ograniczenie typu PIP, ponieważ nie ma działającego programu rozpoznawania zależności podczas instalacji jako pojedynczej linii.This is a known limitation of pip, as it does not have a functioning dependency resolver when you install as a single line. Pierwsza unikatowa zależność jest tylko jednym z nich.The first unique dependency is the only one it looks at.

    W poniższym kodzie azureml-datadrift i azureml-train-automl są instalowane przy użyciu jednowierszowej instalacji PIP.In the following code azureml-datadrift and azureml-train-automl are both installed using a single-line pip install.

      pip install azureml-datadrift, azureml-train-automl
    

    Na potrzeby tego przykładu Załóżmy, że jest azureml-datadrift wymagana wersja > 1,0 i azureml-train-automl wymaga wersji < 1,2.For this example, let's say azureml-datadrift requires version > 1.0 and azureml-train-automl requires version < 1.2. Jeśli Najnowsza wersja programu azureml-datadrift to 1,3, oba pakiety zostaną uaktualnione do 1,3, niezależnie od azureml-train-automl wymagań pakietu dla starszej wersji.If the latest version of azureml-datadrift is 1.3, then both packages get upgraded to 1.3, regardless of the azureml-train-automl package requirement for an older version.

    Aby upewnić się, że odpowiednie wersje są zainstalowane dla pakietów, zainstaluj przy użyciu wielu wierszy, takich jak w poniższym kodzie.To ensure the appropriate versions are installed for your packages, install using multiple lines like in the following code. W tym miejscu nie jest to problem, ponieważ program PIP został jawnie obniżony jako część wywołania następnego wiersza.Order isn't an issue here, since pip explicitly downgrades as part of the next line call. W związku z tym stosowane są odpowiednie zależności wersji.And so, the appropriate version dependencies are applied.

       pip install azureml-datadrift
       pip install azureml-train-automl 
    
  • Nie ma gwarancji, że pakiet jest instalowany podczas instalowania programu Azure-pociąg-automl-Client:Explanation package not guaranteed to be installed when installing the azureml-train-automl-client:

    W przypadku uruchamiania zdalnego AutoML z włączonym wyjaśnieniem modelu zostanie wyświetlony komunikat o błędzie "Zainstaluj pakiet Azure-Wyjaśnij model dla wyjaśnień modelu".When running a remote AutoML run with model explanation enabled, you will see an error message "Please install azureml-explain-model package for model explanations." Jest to znany problem.This is a known issue. Jako obejście wykonaj jedną z poniższych czynności:As a workaround follow one of the steps below:

    1. Zainstaluj usługę Azure — Wyjaśnij model lokalnie.Install azureml-explain-model locally.
        pip install azureml-explain-model
    
    1. Całkowicie wyłącz funkcję Wyjaśnij, przekazując model_explainability = false w konfiguracji AutoML.Disable the explainability feature entirely by passing model_explainability=False in the AutoML configuration.
        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)
    
  • Błędy Panda: zwykle widoczne podczas eksperymentu AutoML:Panda errors: Typically seen during AutoML Experiment:

    W przypadku ręcznego konfigurowania środowiska przy użyciu narzędzia PIP można zauważyć błędy (zwłaszcza z Pandas) z powodu instalacji nieobsługiwanych wersji pakietu.When manually setting up your environment using pip, you may notice errors (especially from pandas) due to unsupported package versions being installed.

    Na przykład ModuleNotFoundError: No module named 'pandas.core.internals.managers'; 'pandas.core.internals' is not a packageFor example, ModuleNotFoundError: No module named 'pandas.core.internals.managers'; 'pandas.core.internals' is not a package

    Aby uniknąć takich błędów, Zainstaluj zestaw AutoML SDK przy użyciu automl_setup. cmd:In order to prevent such errors, please install the AutoML SDK using the automl_setup.cmd:

    1. Otwórz monit Anaconda i Sklonuj repozytorium GitHub dla zestawu przykładowych notesów.Open an Anaconda prompt and clone the GitHub repository for a set of sample notebooks.
    git clone https://github.com/Azure/MachineLearningNotebooks.git
    
    1. dysk CD do folderu How to-use-Azure/automat-Learning, w którym przykładowe notesy zostały wyodrębnione i następnie uruchomione:cd to the how-to-use-azureml/automated-machine-learning folder where the sample notebooks were extracted and then run:
    automl_setup
    
  • Błąd: "Mark" podczas uruchamiania AutoML na lokalnym klastrze obliczeniowym lub Azure DatabricksKeyError: 'brand' when running AutoML on local compute or Azure Databricks cluster

    Jeśli nowe środowisko zostało utworzone po 10 czerwca 2020, przy użyciu zestawu SDK 1.7.0 lub starszego, szkolenie może zakończyć się niepowodzeniem z powodu aktualizacji pakietu cpuinfo.If a new environment was created after June 10, 2020, by using SDK 1.7.0 or earlier, training might fail with this error due to an update in the py-cpuinfo package. (W środowiskach utworzonych w dniu lub przed 10 czerwca 2020 nie ma to oddziaływać, ponieważ eksperymenty są uruchamiane w ramach obliczeń zdalnych, ponieważ są używane buforowane obrazy szkoleniowe). Aby obejść ten problem, wykonaj jedną z następujących czynności:(Environments created on or before June 10, 2020, are unaffected, as are experiments run on remote compute because cached training images are used.) To work around this issue, take either of the following two steps:

    • Zaktualizuj wersję zestawu SDK do wersji 1.8.0 lub nowszej (spowoduje to również obniżenie wersji z PR-cpuinfo do 5.0.0):Update the SDK version to 1.8.0 or later (this also downgrades py-cpuinfo to 5.0.0):

      pip install --upgrade azureml-sdk[automl]
      
    • Starsza wersja wersji pr-cpuinfo do 5.0.0:Downgrade the installed version of py-cpuinfo to 5.0.0:

      pip install py-cpuinfo==5.0.0
      
  • Komunikat o błędzie: nie można odinstalować "PyYAML"Error message: Cannot uninstall 'PyYAML'

    Azure Machine Learning SDK dla języka Python: PyYAML jest distutils zainstalowanym projektem.Azure Machine Learning SDK for Python: PyYAML is a distutils installed project. W związku z tym nie można dokładnie określić, które pliki należą do niej, jeśli istnieje częściowe odinstalowanie.Therefore, we cannot accurately determine which files belong to it if there is a partial uninstall. Aby kontynuować instalowanie zestawu SDK przy ignorowaniu tego błędu, użyj:To continue installing the SDK while ignoring this error, use:

    pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
    
  • Wystąpił błąd instalacji zestawu SDK Azure Machine Learning z powodu wyjątku: ModuleNotFoundError: Brak modułu o nazwie "ruamel" lub "ImportError: No module o nazwie ruamel. YAML"Azure Machine Learning SDK installation failing with an exception: ModuleNotFoundError: No module named 'ruamel' or 'ImportError: No module named ruamel.yaml'

    Ten problem występuje podczas instalacji zestawu SDK programu Azure Machine Learning dla języka Python na najnowszym PIP (>20.1.1) w środowisku podstawowym Conda dla wszystkich opublikowanych wersji zestawu SDK Azure Machine Learning dla języka Python.This issue is getting encountered with the installation of Azure Machine Learning SDK for Python on the latest pip (>20.1.1) in the conda base environment for all released versions of Azure Machine Learning SDK for Python. Zapoznaj się z następującymi obejściami:Refer to the following workarounds:

    • Unikaj instalowania zestawu SDK języka Python w środowisku podstawowym Conda, zamiast tworzyć środowisko Conda i instalować zestaw SDK na nowo utworzonym środowisku użytkownika.Avoid installing Python SDK on the conda base environment, rather create your conda environment and install SDK on that newly created user environment. Najnowsza wersja PIP powinna współpracować z nowym środowiskiem Conda.The latest pip should work on that new conda environment.

    • W przypadku tworzenia obrazów w platformie Docker, w której nie można przełączać się w środowisku Conda Base, przypinaj polecenie PIP<= 20.1.1 w pliku Docker.For creating images in docker, where you cannot switch away from conda base environment, please pin pip<=20.1.1 in the docker file.

    conda install -c r -y conda python=3.6.2 pip=20.1.1
    

Następne krokiNext steps

Spróbuj wykonać poniższe kroki, aby dowiedzieć się, jak używać zestawu SDK usługi Azure Machine Learning dla języka Python:Try these next steps to learn how to use the Azure Machine Learning service SDK for Python:

  1. Zapoznaj się z omówieniem, aby dowiedzieć się więcej na temat kluczowych klas i wzorców projektowych z przykładami kodu.Read the overview to learn about key classes and design patterns with code samples.
  2. Postępuj zgodnie z tym samouczkiem , aby rozpocząć tworzenie eksperymentów i modeli.Follow this tutorial to begin creating experiments and models.