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

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

Instalacja domyślnaDefault install

Użyj polecenia azureml-core.Use azureml-core.

pip install azureml-core

Następnie zainstaluj wszystkie inne pakiety wymagane dla określonego zadania.Then install any other packages required for your particular job.

Uaktualnianie instalacjiUpgrade install

Porada

Zalecamy, aby zawsze aktualizować platformę azureml-core do najnowszej wersji.We recommend that you always keep azureml-core updated to the latest version.

Uaktualnij poprzednią wersję:Upgrade a previous version:

pip install --upgrade azureml-core

Sprawdzanie wersjiCheck version

Sprawdź wersję zestawu SDK:Verify your SDK version:

pip show azureml-core

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

pip list

Wersję zestawu SDK można również wyświetlić 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 na temat sposobu konfigurowania środowiska projektowego na Azure Machine Learning service, zobacz Konfigurowanie środowiska projektowego.To learn more about how to configure your development environment for Azure Machine Learning service, see Configure your development environment.

Inne pakiety azuremlOther azureml packages

Zestaw SDK zawiera wiele innych opcjonalnych pakietów, które można zainstalować.The SDK contains many other optional packages that you can install. Obejmują one zależności, które nie są wymagane we wszystkich przypadkach użycia, więc nie są uwzględnione w instalacji domyślnej, aby uniknąć instalowania 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.

Dodatkowy   pakiet Additional package  Przypadek użyciaUse-case
azureml-accel-models Przyspiesza głębokie sieci neuronowe na układach FPGA za pomocą usługi Azure ML Modele z przyspieszaniem sprzętowym Service.Accelerates deep neural networks on FPGAs with the Azure ML Hardware Accelerated Models Service.
azureml-train-automl Udostępnia klasy do tworzenia i uruchamiania eksperymentów zautomatyzowanego uczenia maszynowego.Provides classes for building and running automated machine learning experiments. Instaluje również typowe pakiety do nauki o danych, w tym pandas 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 przebiegi uczenia maszynowego w zdalnym obliczeniach i nie potrzebujesz żadnego uczenia maszynowego lokalnie, zalecamy użycie klienta zuchybego , , pakietu, który jest częścią instalacji azureml-train-automl-client azureml-sdk 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.

Zobacz dodatkowe wskazówki dotyczące przypadków użycia, aby uzyskać więcej informacji na temat pracy z pełnym zestawem SDK lub jego klientem automl zuchybną, 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 w wersji zapoznawczej.Installs azureml-contrib-* packages, which include experimental functionality or preview features.
azureml-datadrift Zawiera funkcję wykrywania, kiedy dane trenowania modelu oddala się od danych oceniania.Contains functionality to detect when model training data has drifted from its scoring data.
azureml-interpret Służy do interpretowania modelu, w tym do cech i ważności klas w modelach typu 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 notesów Jupyter.Provides support for interactive widgets in a Jupyter notebook environment. Instalacja nie jest konieczna, jeśli nie korzystasz z notesu Jupyter (np.This is unnecessary to install if you aren't running in a Jupyter notebook (ex. w przypadku tworzenia w PyCharm) lub jeśli nie potrzebujesz włączonych widżetów.if you are building in PyCharm), or if you don't need widgets enabled.
azureml-contrib-services Udostępnia funkcję oceniania skryptów w celu żądania dostępu nieprzetworzonego protokołu HTTP.Provides functionality for scoring scripts to request raw HTTP access.
azureml-tensorboard Udostępnia klasy i metody eksportowania historii przebiegów eksperymentów i uruchamiania programu TensorBoard w celu wizualizacji wydajności i struktury eksperymentu.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 AzureML on pypi (Usługa AzureML w pypi).For a full list of available packages, see AzureML on pypi.

Dodatkowe wskazówki dotyczące przypadków użyciaAdditional use-case guidance

Jeśli Twój przypadek użycia został opisany poniżej, zwróć uwagę na wskazówki i wszelkie zalecane działania.If your use-case is described below, note the guidance and any recommended actions.

Przypadek użyciaUse-case WskazówkiGuidance
Za pomocą automl Using automl  Zainstaluj pełny zestaw azureml-train-automl SDK w nowym 64-bitowym środowisku języka Python.Install the full azureml-train-automl SDK in a new 64-bit Python environment. Wymagane jest nowe środowisko 64-bitowe ze względu na zależność od struktury LightGBM.A new 64-bit environment is required because of a dependency on the LightGBM framework. Ten pakiet instaluje i przypina określone wersje pakietów nauki o 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 zuchybny, , pakiet nie instaluje dodatkowych pakietów nauki o azureml-train-automl-client danych ani nie 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 przesłać tylko automatyczne przebiegi uczenia maszynowego do zdalnego wystąpienia obliczeniowego i nie trzeba przesyłać przebiegów lokalnych ani azureml-train-automl-client 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.
Korzystanie z Azure DatabricksUsing Azure Databricks W środowisku Azure Databricks użyj źródeł biblioteki szczegółowo opisanej w tym przewodniku, aby zainstalować zestaw SDK.In the Azure Databricks environment, use the library sources detailed in this guide for installing the SDK. Ponadto zapoznaj się z tymi poradami, aby uzyskać więcej informacji na temat pracy z zestawem SDK Azure Machine Learning dla języka Python na platformie Azure Databricks.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 ta wymieniona w samouczku lub notesie, uaktualnij 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 w samouczkach i notesach mogą wymagać dodatkowych pakietów języka Python, takich matplotlib jak 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: nie ma gwarancji, że zależności będą spójne z instalacją jedno wierszową:Pip Installation: Dependencies are not guaranteed to be consistent with single-line installation:

    Jest to znane ograniczenie pip, ponieważ nie ma działającego programu rozpoznawania zależności w przypadku instalacji jako pojedynczego wiersza.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 jedyną, na która się patrzy.The first unique dependency is the only one it looks at.

    W poniższym kodzie polecenia i są instalowane przy użyciu instalacji z azureml-datadrift azureml-train-automl jednym wierszem narzędzia 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
    

    W tym przykładzie załóżmy, że wymaga ona wersji > 1.0 i wymaga wersji azureml-datadrift azureml-train-automl < 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 to 1.3, oba pakiety są uaktualniane do wersji 1.3, niezależnie od wymagań pakietu azureml-datadrift azureml-train-automl 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 mieć pewność, że dla pakietów są zainstalowane odpowiednie wersje, zainstaluj je 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. Zamówienie nie jest tutaj problemem, ponieważ pip jawnie obniża poziom w ramach następnego wywołania wiersza.Order isn't an issue here, since pip explicitly downgrades as part of the next line call. W związku z tym są stosowane odpowiednie zależności wersji.And so, the appropriate version dependencies are applied.

       pip install azureml-datadrift
       pip install azureml-train-automl 
    
  • Pakiet objaśnień nie musi być zainstalowany podczas instalowania klienta azureml-train-automl-client:Explanation package not guaranteed to be installed when installing the azureml-train-automl-client:

    Podczas uruchamiania zdalnego uruchomienia rozwiązania AutoML z włączonym wyjaśnieniem modelu zostanie wyświetlony komunikat o błędzie "Zainstaluj pakiet azureml-explain-model w celu wyjaśnienia 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. Aby obejść ten problem, wykonaj jedną z poniższych czynności:As a workaround follow one of the steps below:

    1. Zainstaluj lokalnie narzędzie azureml-explain-model.Install azureml-explain-model locally.
        pip install azureml-explain-model
    
    1. Całkowicie wyłącz funkcję objaśnienia, przekazując wartość model_explainability=Fałsz 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 z autoML:Panda errors: Typically seen during AutoML Experiment:

    Podczas ręcznego konfigurowania środowiska przy użyciu narzędzia pip można zauważyć błędy (szczególnie z pandas) spowodowane zainstalowaniem 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 zapobiec takim błędom, zainstaluj zestaw AUTOML SDK przy użyciu pliku automl_setup.cmd:In order to prevent such errors, please install the AutoML SDK using the automl_setup.cmd:

    1. Otwórz wiersz polecenia anaconda i sklonuj repozytorium GitHub, aby uzyskać zestaw 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. do folderu how-to-use-azureml/automated-machine-learning, w którym wyodrębniono przykładowe notesy, a następnie uruchom:cd to the how-to-use-azureml/automated-machine-learning folder where the sample notebooks were extracted and then run:
    automl_setup
    
  • KeyError: "brand" podczas uruchamiania autoML w lokalnym klastrze obliczeniowym Azure Databricks klastraKeyError: 'brand' when running AutoML on local compute or Azure Databricks cluster

    Jeśli nowe środowisko zostało utworzone po 10 czerwca 2020 r. przy użyciu zestawu SDK 1.7.0 lub starszego, szkolenie może zakończyć się niepowodzeniem z powodu tego błędu z powodu aktualizacji pakietu py-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. (Nie ma to wpływu na środowiska utworzone w dniu 10 czerwca 2020 r. lub wcześniej, podobnie jak eksperymenty uruchamiane na zdalnych obliczeniach, ponieważ używane są buforowane obrazy szkoleniowe). Aby ominąć ten problem, należy wykonać jedną z następujących dwóch 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 zestaw SDK do wersji 1.8.0 lub nowszej (obniży to również wersję pliku py-cpuinfo do wersji 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]
      
    • Obniż zainstalowaną wersję pliku py-cpuinfo do wersji 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 pliku "PyYAML"Error message: Cannot uninstall 'PyYAML'

    Azure Machine Learning SDK dla języka Python: PyYAML to distutils zainstalowany projekt.Azure Machine Learning SDK for Python: PyYAML is a distutils installed project. W związku z tym nie możemy dokładnie określić, które pliki do niej należą w przypadku częściowego odinstalowania.Therefore, we cannot accurately determine which files belong to it if there is a partial uninstall. Aby kontynuować instalowanie zestawu SDK bez ignorowania tego błędu, użyj:To continue installing the SDK while ignoring this error, use:

    pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
    
  • Azure Machine Learning SDK z wyjątkiem: ModuleNotFoundError: Brak modułu o nazwie "ruamel" lub "ImportError: Brak modułu 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 usługi Azure Machine Learning dla języka Python przy użyciu najnowszego narzędzia pip (>20.1.1) w środowisku bazowym conda dla wszystkich wydanych wersji zestawu Azure Machine Learning SDK 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 bazowym conda, zamiast tworzyć środowisko conda i instalować zestaw SDK w 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. Najnowszy program pip powinien działać w tym nowym środowisku conda.The latest pip should work on that new conda environment.

    • W przypadku tworzenia obrazów na platformie Docker, w przypadku których nie można przełączyć się ze środowiska podstawowego conda, przypnij do pliku docker wartość<=20.1.1.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 Azure Machine Learning service 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 o kluczowych klasach i wzorcach 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.