Explorați SDK-ul Python

  • 7 minute

Important

În prezent, există două versiuni ale SDK-ului Python: versiunea 1 (v1) și versiunea 2 (v2). Pentru orice proiecte noi, ar trebui să utilizați v2 și, prin urmare, conținutul din această unitate acoperă doar v2. Aflați mai multe despre decideți între v1 și v2.

Oamenii de știință de date pot utiliza Azure Machine Learning pentru a instrui, a urmări și a gestiona modele de învățare programată. Ca om de știință de date, veți lucra în cea mai mare parte cu activele din spațiul de lucru Azure Machine Learning pentru sarcinile de lucru pentru învățarea programată.

Pe măsură ce majoritatea oamenilor de știință de date sunt familiarizați cu Python, Azure Machine Learning oferă un kit de dezvoltare software (SDK), astfel încât să puteți interacționa cu spațiul de lucru utilizând Python.

SDK Python pentru Azure Machine Learning este un instrument ideal pentru oamenii de știință de date care pot fi utilizați în orice mediu Python. Indiferent dacă lucrați în mod normal cu blocnotesuri Jupyter, Visual Studio Code, puteți să instalați SDK Python și să vă conectați la spațiul de lucru.

Instalarea SDK-ului Python

Pentru a instala SDK Python în mediul Python, aveți nevoie de Python 3.7 sau o versiune mai recentă. Puteți instala pachetul cu pip:

pip install azure-ai-ml

Notă

Atunci când lucrați cu blocnotesuri în studioul De învățare programată Azure, noul SDK Python este deja instalat atunci când utilizați Python 3.10 sau o versiune mai recentă. Puteți utiliza PYTHON SDK v2 cu versiuni anterioare de Python, dar va trebui să îl instalați mai întâi.

Conectarea la spațiul de lucru

După instalarea SDK-ului Python, va trebui să vă conectați la spațiul de lucru. Prin conectarea, vă autentificați mediul pentru a interacționa cu spațiul de lucru pentru a crea și a gestiona active și resurse.

Pentru a vă autentifica, aveți nevoie de valori la trei parametri necesari:

  • subscription_id: ID-ul abonamentului.
  • resource_group: numele grupului de resurse.
  • workspace_name: numele spațiului de lucru.

În continuare, puteți defini autentificarea utilizând următorul cod:

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

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

După definirea autentificării, trebuie să apelați MLClient pentru ca mediul să se conecteze la spațiul de lucru. Veți apela MLClient oricând doriți să creați sau să actualizați un activ sau o resursă în spațiul de lucru.

De exemplu, vă veți conecta la spațiul de lucru atunci când creați o activitate nouă pentru a instrui un model:

from azure.ai.ml import command

# configure job
job = command(
    code="./src",
    command="python train.py",
    environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
    compute="aml-cluster",
    experiment_name="train-model"
)

# connect to workspace and submit job
returned_job = ml_client.create_or_update(job)

Utilizați documentația de referință

Pentru a lucra eficient cu SDK-ul Python, va trebui să utilizați documentația de referință. În documentația de referință, veți găsi toate clasele, metodele și parametrii disponibili în SDK Python.

Documentația de referință pentru clasa MLClient include metodele pe care le puteți utiliza pentru a vă conecta și a interacționa cu spațiul de lucru. În plus, aceasta leagă, de asemenea, de operațiunile posibile pentru diverse entități, cum ar fi modul de a lista depozitele de date existente în spațiul de lucru.

Documentația de referință include, de asemenea, o listă a claselor pentru toate entitățile cu care puteți interacționa. De exemplu, există clase separate atunci când doriți să creați un depozit de date care se leagă la un spațiu de stocare blob Azure sau la un Azure Data Lake Gen 2.

Selectând o anumită clasă, cum ar fi AmlCompute din lista de entități, puteți găsi o pagină mai detaliată despre cum să utilizați clasa și ce parametri acceptă.