Installer le kit de développement logiciel (SDK) Azure Machine Learning pour Python

Cet article est un guide pour les différentes options d’installation du kit de développement logiciel (SDK).

Prérequis

• Python a installé la version 3.7 ou ultérieure. Pour les packages azureml-automl, utilisez uniquement la version 3.7 ou 3.8.
• pip installé

---

Installation par défaut

Utiliser azureml-core.

pip install azureml-core

Installez ensuite les autres packages requis pour votre travail en particulier.

Installer la mise à niveau

Conseil

Nous vous recommandons de toujours conserver azureml-core à jour avec la dernière version.

Mettre à niveau à partir d’une version antérieure :

pip install --upgrade azureml-core

Vérifier la version

Vérifier la version de votre kit de développement logiciel (SDK) :

pip show azureml-core

Pour afficher tous les packages dans votre environnement :

pip list

Vous pouvez également afficher la version du kit de développement logiciel (SDK) dans Python, mais cette version n’inclut pas la version mineure.

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

---

Pour en savoir plus sur la configuration de votre environnement de développement pour Azure Machine Learning service, consultez Configurer votre environnement de développement.

Autres packages azureml

Le kit de développement logiciel (SDK) contient de nombreux autres packages facultatifs que vous pouvez installer. Ils incluent les dépendances qui ne sont pas requises pour tous les cas d’usage et donc pas incluses dans l’installation par défaut afin d’éviter d’encombrer l’environnement. Le tableau suivant présente les packages, leurs cas d’utilisation et leur commande pour installer, mettre à jour et vérifier la version.

Package supplémentaire	Cas d’utilisation	Installer/mettre à niveau/afficher la version
azureml-automl-core	Contient des classes de Machine Learning automatisé principales pour Azure Machine Learning. Ce package est utilisé par azureml-train-automl-client et azureml-train-automl-runtime.	pip install azureml-automl-core pip install --upgrade azureml-automl-core pip show azureml-automl-core
azureml-accel-models	Accélère les réseaux neuronaux profonds sur des FPGA avec le service Azure ML Modèles accélérés matériellement.	pip install azureml-accel-models pip install --upgrade azureml-accel-models pip show azureml-accel-models
azureml-train-automl	Fournit des classes pour la génération et l’exécution d’expériences de Machine Learning automatisé. Installe également des packages de science des données, notamment pandas, numpy et scikit-learn. Si vous voulez envoyer des exécutions de ML automatisé sur un calcul à distance et que vous n’avez pas besoin d’effectuer de Machine Learning en local, nous vous recommandons d’utiliser le client léger, azureml-train-automl-client, package qui fait partie de azureml-sdk. Pour plus d’informations sur l’installation et l’utilisation du kit de développement logiciel (SDK) automl complet ou de son client léger, azureml-train-automl-client, consultez les conseils supplémentaires de cas d’utilisation. À l’instar de la norme Python, la compatibilité est assurée avec une version précédente et une version suivante, mais uniquement pour le package azureml-train-automl complet. Par exemple, si un modèle est formé avec le kit de développement logiciel (SDK) version 1.29.0, vous pouvez utiliser les versions du SDK comprises entre la version 1.28.0 et la version 1.30.0.	Pour l’environnement conda local : pip install azureml-train-automl pip install --upgrade azureml-train-automl pip install show azureml-train-automl Client léger pour le calcul distant : pip install azureml-train-automl-client pip install --upgrade azureml-train-automl-client pip install show azureml-train-automl-client
azureml-contrib	Installe les packages azureml-contrib-*, qui incluent des fonctionnalités expérimentales ou des fonctionnalités d’évaluation.	pip install azureml-contrib pip install --upgrade azureml-contrib pip show azureml-contrib
azureml-datadrift	Contient des fonctionnalités permettant de détecter si les données d’entraînement du modèle ont dérivé de ses données de scoring.	pip install azureml-datadrift pip install --upgrade azureml-datadrift pip show azureml-datadrift
azureml-interpret	Utilisé pour l’interprétabilité des modèles. Inclut notamment l’importance des caractéristiques et des classes pour les modèles « blackbox » (boîte noire) et « whitebox » (boîte blanche).	pip azureml-interpret pip install --upgrade azureml-interpret pip show azureml-interpret
azureml-widgets	Contient les packages, modules et classes essentiels pour Azure Machine Learning.	pip install azureml-widgets pip install --upgrade azureml-widgets pip show azureml-widgets
azureml-contrib-services	Fournit des fonctionnalités pour les scripts de score pour demander un accès HTTP brut.	pip install azureml-contrib-services pip install --upgrade azureml-contrib-services pip show azureml-contrib-services
azureml-tensorboard	Fournit des classes et des méthodes pour l’exportation de l’historique des exécutions d’expérience et le lancement de TensorBoard pour visualiser les performances et la structure des expérimentations.	pip install azureml-tensorboard pip install --upgrade azureml-tensorboard pip show azureml-tensorboard
azureml-mlflow	Contient une fonctionnalité intégrant Azure Machine Learning à MLFlow.	pip install azureml-mlflow pip install --upgrade azureml-mlflow pip show azureml-mlflow
azureml-automl-runtime	Contient des classes de machine learning automatisé pour le lancement d’exécutions dans Azure Machine Learning.	pip install azureml-automl-runtime pip install --upgrade azureml-automl-runtime pip show azureml-automl-runtime
azureml-widgets	Contient des fonctionnalités permettant de voir la progression des exécutions d’entraînement de machine learning dans des notebooks Jupyter.	pip install azureml-widgets pip install --upgrade azureml-widgets pip show azureml-widgets
azureml-train-restclients-hyperdrive	Contient les classes nécessaires pour créer des HyperDriveRuns avec azureml-train-core.	pip install azureml-train-restclients-hyperdrive pip install --upgrade azureml-train-restclients-hyperdrive pip show azureml-train-restclients-hyperdrive
azureml-train-core	Contient les classes d’estimateur de base et la classe d’estimateur générique, les estimateurs utilisés dans la formation DNN (Deep Neural Network), les estimateurs utilisés dans la formation Scikit-Learn, les modules et les classes prenant en charge le paramétrage hyperparamétrique.	pip install azureml-core pip install --upgrade azureml-core pip show azureml-core
azureml-train-automl-runtime	Contient des fonctionnalités qui représentent des composants principaux de ML automatisé et d’exécution dans Azure Machine Learning.	pip install azureml-train-automl-runtime pip install --upgrade azureml-train-automl-runtime pip show azureml-train-automl-runtime
azureml-train-automl-client	Contient les packages, modules et classes essentiels pour Azure Machine Learning.	pip install azureml-train-automl-client pip install --upgrade azureml-train-automl-client pip show azureml-train-automl-client
azureml-telemetry	Ce package est utilisé pour collecter des données de télémétrie telles que les messages du journal, les métriques, les événements et les messages d’activité.	pip install azureml-telemetry pip install --upgrade azureml-telemetry pip show azureml-telemetry
azureml-synapse	Contient la commande Magic pour gérer la session Synapse et envoyer le code et le widget SparkMonitor pour surveiller la progression du travail Spark, pour Jupyter et JupyterLab.	pip install azureml-synapse pip install --upgrade azureml-synapse pip show azureml-synapse
azureml-sdk	Le package Thos est utilisé pour générer et exécuter les workflows de Machine Learning sur le service Azure Machine Learning.	pip install azureml-sdk pip install --upgrade azureml-sdk pip show azureml-sdk
azureml-pipeline-steps	Contient des étapes prédéfinies qui peuvent être exécutées dans un pipeline Azure Machine Learning.	pip install azureml-pipeline-steps pip install --upgrade azureml-pipeline-steps pip show azureml-pipeline-steps
azureml-pipeline-core	Contient les fonctionnalités de base des pipelines Azure Machine Learning, qui sont des workflows de Machine Learning configurables.	pip install azureml-pipeline-core pip install --upgrade azureml-pipeline-core pip show azureml-pipeline-core
azureml-pipeline	Ce package sert à générer, optimiser et gérer les workflows de Machine Learning.	pip install azureml-pipeline pip install --upgrade azureml-pipeline pip show azureml-pipeline
azureml-opendatasets	Contient les fonctionnalités de base des pipelines Azure Machine Learning, qui sont des workflows de Machine Learning configurables.	pip install azureml-opendatasets pip install --upgrade azureml-opendatasets pip show azureml-opendatasets
azureml-interpret	Contient les fonctionnalités permettant d’utiliser l’interprétabilité des modèles dans Azure Machine Learning.	pip install azureml-interpret pip install --upgrade azureml-interpret pip show azureml-interpret
azureml-defaults	Ce package est un métapaquet qui est utilisé en interne par Azure Machine Learning.	pip install azureml-defaults pip install --upgrade azureml-defaults pip show azureml-defaults
azureml-dataset-runtime	L’objectif de ce package est de coordonner les dépendances au sein des packages AzureML. Ce package est interne et n’est pas destiné à être utilisé directement.	pip install azureml-dataset-runtime pip install --upgrade azureml-dataset-runtime pip show azureml-dataset-runtime
azureml-datadrift	Contient des fonctionnalités permettant de détecter si les données d’entraînement du modèle ont dérivé de ses données de scoring.	pip install azureml-datadrift pip install --upgrade azureml-datadrift pip show azureml-datadrift
azureml-contrib-server	Ce package est un service HTTP local utilisé pour exposer un sous-ensemble des fonctionnalités fournies par le kit de développement logiciel (SDK) AzureML aux outils Visual Studio pour les extensions AI (VSCode et Visual Studio).	pip install azureml-contrib-server pip install --upgrade azureml-contrib-server pip show azureml-contrib-server
azureml-contrib-run	Ce package contient le code d’intégration de AzureML avec Mlflow.	pip install azureml-core pip install --upgrade azureml-core pip show azureml-core
azureml-contrib-reinforcementlearning	Contient les fonctionnalités permettant de créer une cible de calcul Windows dans Azure Machine Learning.	pip install azureml-contrib-reinforcementlearning pip install --upgrade azureml-contrib-reinforcementlearning pip show azureml-contrib-reinforcementlearning
azureml-contrib-pipeline-steps	Contient des modules et des classes pour les étapes de pipeline Azure Machine Learning spécialisées et la configuration associée.	pip install azureml-contrib-pipeline-steps pip install --upgrade azureml-contrib-pipeline-steps pip show azureml-contrib-pipeline-steps
azureml-contrib-notebook	Contient des extensions pour l’utilisation des notebooks Jupyter dans Azure Machine Learning.	pip install azureml-contrib-notebook pip install --upgrade azureml-contrib-notebook pip show azureml-contrib-notebook
azureml-contrib-gbdt	Ce package contient l’estimateur LightGBM.	pip install azureml-contrib-gbdt pip install --upgrade azureml-contrib-gbdt pip show azureml-contrib-gbdt
azureml-contrib-functions	Contient les fonctionnalités d’empaquetage de modèles Azure Machine Learning pour le déploiement sur Azure Functions.	pip install azureml-contrib-functions pip install --upgrade azureml-contrib-functions pip show azureml-contrib-functions
azureml-contrib-fairness	Ce package prend en charge l’utilisation de tableaux de bord d’évaluation d’impartialité dans Azure Machine Learning Studio.	pip install azureml-contrib-fairness pip install --upgrade azureml-contrib-fairness pip show azureml-contrib-fairness
azureml-contrib-dataset	Contient des fonctionnalités spécialisées permettant d’utiliser des objets de jeu de données dans Azure Machine Learning.	pip install azureml-contrib-dataset pip install --upgrade azureml-contrib-dataset pip show azureml-contrib-dataset
azureml-contrib-automl-pipeline-steps	Contient des étapes prédéfinies qui peuvent être exécutées dans un pipeline Azure Machine Learning.	pip install azureml-contrib-automl-pipeline-steps pip install --upgrade azureml-contrib-automl-pipeline-steps pip show azureml-contrib-automl-pipeline-steps
azureml-contrib-automl-dnn-vision	Ce package est destiné uniquement à être utilisé par des scripts générés par le système AutoML. Pour l’installer dans Windows, les packages « torch » et « torchvision » doivent être installés séparément avant ce package.	pip install azureml-contrib-automl-dnn-vision pip install --upgrade azureml-contrib-automl-dnn-vision pip show azureml-contrib-automl-dnn-vision
azureml-contrib-automl-dnn-forecasting	Package commun d’extension Azure ML CLI. Commun à azure-cli-ml et azure-cli-ml-preview.	pip install azureml-contrib-automl-dnn-forecasting pip install --upgrade azureml-contrib-automl-dnn-forecasting pip show azureml-contrib-automl-dnn-forecasting
azureml-contrib-aisc	AzureML Contrib pour la cible de calcul du super ordinateur AzureML AI. AISCCompute est une infrastructure de calcul AI managée, qui peut être attachée à un espace de travail par l’administrateur du cluster.	pip install azureml-contrib-aisc pip install --upgrade azureml-contrib-aisc pip show azureml-contrib-aisc
azureml-cli-common	Package commun d’extension Azure ML CLI. Commun à azure-cli-ml et azure-cli-ml-preview.	pip install azureml-cli-common pip install --upgrade azureml-cli-common pip show azureml-cli-common
azureml-automl-dnn-nlp	Ce package est destiné uniquement à être utilisé par des scripts générés par le système AutoML.	pip install azureml-automl-dnn-nlp pip install --upgrade azureml-automl-dnn-nlp pip show azureml-automl-dnn-nlp
azureml-accel-models	Accélère les réseaux neuronaux profonds sur des FPGA avec le service Azure ML Modèles accélérés matériellement.	pip install azureml-accel-models pip install --upgrade azureml-accel-models pip show azureml-accel-models
azureml-inference-server-http	Ce package active le développement local, l’intégration CI/CD et les itinéraires de serveur.	pip install azureml-inference-server-http pip install --upgrade azureml-inference-server-http pip show azureml-inference-server-http
azure-ml-component	Ce package contient des fonctionnalités pour la création et la gestion de composants Azure Machine Learning et pour la création et l’envoi de pipelines à l’aide de composants.	pip install azure-ml-component pip install --upgrade azure-ml-component pip show azure-ml-component
azureml-pipeline-wrapper	Ce package contient des fonctionnalités pour la création et la gestion de modules Azure Machine Learning et pour la création et l’envoi de pipelines à l’aide de modules.	pip install azureml-pipeline-wrapper pip install --upgrade azureml-pipeline-wrapper pip show azureml-pipeline-wrapper
azureml-designer-cv-modules	Modules pour prétraiter et transformer des images (par exemple rogner, remplir ou redimensionner).	pip install azureml-designer-cv-modules pip install --upgrade azureml-designer-cv-modules pip show azureml-designer-cv-modules
azureml-designer-pytorch-modules	Modules pour la formation et l’inférence de modèles de classification d’image basés sur l’infrastructure pytorch.	pip install azureml-designer-pytorch-modules pip install --upgrade azureml-designer-pytorch-modules pip show azureml-designer-pytorch-modules
azureml-designer-vowpal-wabbit-modules	Modules pour la formation et l’inférence de modèles basés sur l’infrastructure Vowpal Wabbit.	pip install azureml-designer-vowpal-wabbit-modules pip install --upgrade azureml-designer-vowpal-wabbit-modules pip show azureml-designer-vowpal-wabbit-modules
azureml-designer-classic-modules	Divers modules pour le traitement des données, la formation du modèle, l’inférence et l’évaluation.	pip install azureml-designer-classic-modules pip install --upgrade azureml-designer-classic-modules pip show azureml-designer-classic-modules
azureml-designer-recommender-modules	Modules de modèles de recommandation de formation et d’inférence basés sur un réseau neuronal profond.	pip install azureml-designer-recommender-modules pip install --upgrade azureml-designer-recommender-modules pip show azureml-designer-recommender-modules
azureml-designer-internal	Fonctionnalités internes fournies pour les modules intégrés.	pip install azureml-designer-internal pip install --upgrade azureml-designer-internal pip show azureml-designer-internal
azureml-designer-core	Fonctionnalités principales pour la définition de type de données, l’E/S de données et les fonctions fréquemment utilisées.	pip install azureml-designer-core pip install --upgrade azureml-designer-core pip show azureml-designer-core
azureml-designer-datatransform-modules	Modules pour transformer le jeu de données, par exemple en appliquant des opérations mathématiques, des requêtes SQL, en découpant des valeurs hors norme ou en générant un rapport statistique.	pip install azureml-designer-datatransform-modules pip install --upgrade azureml-designer-datatransform-modules pip show azureml-designer-datatransform-modules
azureml-designer-dataio-modules	Modules permettant de charger des données dans le concepteur Azure Machine Learning et d’écrire des données dans le stockage sur le cloud.	pip install azureml-designer-dataio-modules pip install --upgrade azureml-designer-dataio-modules pip show azureml-designer-dataio-modules
azureml-designer-serving	Fournit des fonctionnalités permettant d’appeler des modules intégrés dans le service de déploiement.	pip install azureml-designer-serving pip install --upgrade azureml-designer-serving pip show azureml-designer-serving
azureml-contrib-datadrift	Contient des fonctionnalités pour la détection de la dérive de données pour différents jeux de données utilisés pour le Machine Learning, y compris les jeux de données de formation et le jeu de données de scoring.	pip install azureml-contrib-datadrift pip install --upgrade azureml-contrib-datadrift pip show azureml-contrib-datadrift
azureml-contrib-explain-model	Contient des fonctionnalités expérimentales pour le package azureml-explain-model, qui offre un large éventail de services pour l’interprétabilité du modèle Machine Learning.	pip install azureml-contrib-explain-model pip install --upgrade azureml-contrib-explain-model pip show azureml-contrib-explain-model
azureml-contrib-opendatasets	Ce package fournit un ensemble d’API permettant de consommer Azure Open Datasets.	pip install azureml-contrib-opendatasets pip install --upgrade azureml-contrib-opendatasets pip show azureml-contrib-opendatasets
azureml-train-widgets	Contient des widgets pour Jupyter Notebooks, afin d’effectuer un suivi visuel de vos exécutions.	pip install azureml-train-widgets pip install --upgrade azureml-train-widgets pip show azureml-train-widgets

Pour plus d’informations sur les packages ci-dessus, consultez AzureML sur pypi.

Conseils supplémentaires de cas d’utilisation

Si votre cas d’utilisation est décrit ci-dessous, notez les conseils et les actions suggérées.

Cas d’utilisation	Assistance
Utilisation de automl	Installez le azureml-train-automlkit de développement logiciel (SDK) complet dans un nouvel environnement Python 64 bits. Un nouvel environnement 64 bits est requis en raison d’une dépendance sur l’infrastructure LightGBM. Ce package installe et épingle des versions spécifiques des packages de science des données à des fins de compatibilité, ce qui nécessite un environnement propre. Le package du client léger, azureml-train-automl-client, n’installe pas de packages de science des données supplémentaires ou nécessite un environnement Python propre. Nous vous recommandons azureml-train-automl-client si vous voulez uniquement soumettre des exécutions de ML automatisé à un calcul distant et que vous n’avez pas besoin d’envoyer des exécutions locales ou de télécharger votre modèle en local. La compatibilité avec une version précédente et une version suivante est uniquement assurée pour les modèles formés avec le package azureml-train-automl complet. Par exemple, si un modèle est formé avec le kit de développement logiciel (SDK) version 1.29.0, vous pouvez utiliser les versions du SDK comprises entre la version 1.28.0 et la version 1.30.0.
Utilisation d’Azure Databricks	Dans l’environnement Azure Databricks, utilisez les sources de bibliothèque détaillées dans ce guide pour l’installation du kit de développement logiciel (SDK). Consultez également ces conseils pour plus d’informations sur l’utilisation du kit de développement logiciel (SDK) Azure Machine Learning pour Python sur Azure Databricks.
Utilisation d’Azure Data Science Virtual Machine	Le kit SDK Python est préinstallé sur les machines Azure DSVM créées après le 27 septembre 2018.
Exécution des didacticiels ou notebooks Azure Machine Learning.	Si vous utilisez une version du kit de développement logiciel (SDK) antérieure à celle mentionnée dans le didacticiel ou le notebook, vous devez mettre à niveau votre kit de développement logiciel (SDK). Certaines fonctionnalités des didacticiels et des notebooks peuvent nécessiter des packages Python supplémentaires, tels que matplotlib,scikit-learn ou pandas. Les instructions de chaque didacticiel et notebook vous indiquent les packages requis.

Dépannage

• Installation pip : les dépendances ne sont pas garanties pour être cohérentes avec l’installation à ligne unique :

  Il s’agit d’une limitation connue de pip, car il ne dispose pas d’un outil de résolution des dépendances fonctionnel lorsque vous effectuez une installation à partir d’une ligne unique. La première dépendance unique est la seule qu’il examine.

  Dans le code suivant, azureml-datadrift et azureml-train-automl sont tous deux installés à l’aide d’une installation pip monoligne.

    pip install azureml-datadrift, azureml-train-automl
  

  Pour cet exemple, supposons que azureml-datadrift nécessite une version > 1.0 et que azureml-train-automl nécessite une version < 1.2. Si la dernière version de azureml-datadrift est 1.3, les deux packages sont mis à niveau vers la version 1.3, indépendamment de la nécessité d’une version antérieure pour le package azureml-train-automl.

  Pour vous assurer que les versions appropriées sont installées pour vos packages, installez-les en utilisant plusieurs lignes de commande comme dans le code suivant. L’ordre n’est pas un problème ici, puisque pip passe explicitement à une version antérieure dans le cadre de l’appel de ligne suivant. Ainsi, les dépendances de version appropriées sont appliquées.

     pip install azureml-datadrift
     pip install azureml-train-automl 
  

• L’installation du package d’explication n’est pas garantie durant l’installation de azureml-train-automl-client :

  Durant une exécution AutoML distante avec activation des explications du modèle, vous verrez le message d’erreur « Installez le package azureml-explain-model pour les explications du modèle ». Ce problème est connu. Pour contourner ce problème, suivez l’une des étapes ci-dessous :

  1. Installez azureml-explain-model en local.

      pip install azureml-explain-model
  

  2. Désactivez entièrement la fonctionnalité d’explicabilité en passant model_explainability=False dans la configuration AutoML.

      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)
  

• Erreurs Panda : généralement observées lors de l’expérience AutoML :

  Quand vous configurez manuellement votre environnement à l’aide de pip, vous pouvez remarquer des erreurs (en particulier de Pandas) en raison de l’installation de versions de package non prises en charge.

  Par exemple, ModuleNotFoundError: No module named 'pandas.core.internals.managers'; 'pandas.core.internals' is not a package

  Pour éviter ce type d’erreur, installez le Kit de développement logiciel (SDK) AutoML à l’aide de la commande automl_setup.cmd :

  1. Ouvrez une invite Anaconda et clonez le référentiel GitHub pour un ensemble d’exemples de notebooks.

  git clone https://github.com/Azure/MachineLearningNotebooks.git
  

  2. Accédez au dossier how-to-use-azureml/automated-machine-learning où les exemples de notebooks ont été extraits, puis exécutez :

  automl_setup
  

• KeyError: « brand » lors de l’exécution d’AutoML sur une capacité de calcul locale ou dans un cluster Azure Databricks

  Si un nouvel environnement a été créé après le 10 juin 2020 à l’aide du kit de développement logiciel (SDK) 1.7.0 ou version antérieure, la formation peut échouer avec cette erreur en raison d’une mise à jour dans le package py-cpuinfo. (Les environnements créés le 10 juin 2020 ou avant le 10 juin 2020 ne sont pas affectés, car les expériences s’exécutent sur le calcul distant, car les images d’entraînement mises en cache sont utilisées.) Pour contourner ce problème, effectuez l’une des deux étapes suivantes :

  • Mettez à jour la version du kit de développement logiciel (SDK) vers 1.8.0 ou une version ultérieure (py-cpuinfo revient alors à la version antérieure, soit 5.0.0) :

    pip install --upgrade azureml-sdk[automl]
    

  • Passez à la version antérieure de py-cpuinfo, soit 5.0.0 :

    pip install py-cpuinfo==5.0.0
    

• Message d’erreur : Impossible de désinstaller « PyYAML »

  Kit de développement logiciel (SDK) Azure Machine Learning pour Python : PyYAML est un distutils projet installé. Par conséquent, nous ne pouvons pas déterminer avec précision les fichiers qui lui appartiennent en cas de désinstallation partielle. Pour poursuivre l’installation du kit de développement logiciel (SDK) en ignorant cette erreur, utilisez :

  pip install --upgrade azureml-sdk[notebooks,automl] --ignore-installed PyYAML
  

• Échec de l’installation du Kit de développement logiciel (SDK) Azure Machine Learning avec une exception : ModuleNotFoundError : Aucun module nommé « ruamel » ou « ImportError : Aucun module nommé ruamel.yaml »

  Ce problème se produit pendant l’installation du SDK Azure Machine Learning pour Python sur le pip le plus récent (> 20.1.1) dans l’environnement de base Conda pour toutes les versions publiées du SDK Azure Machine Learning pour Python. Reportez-vous aux solutions de contournement suivantes :

  • Évitez d’installer le SDK Python dans l’environnement de base conda. Créez plutôt votre environnement conda et installez le SDK dans cet environnement utilisateur nouvellement créé. Le pip le plus récent devrait fonctionner dans ce nouvel environnement conda.

  • Pour créer des images dans docker, où vous ne pouvez pas quitter l’environnement de base Conda, épinglez le pip <= 20.1.1 dans le fichier docker.

  conda install -c r -y conda python=3.8 pip=20.1.1
  

Étapes suivantes

Essayez de suivre les étapes suivantes pour savoir comment utiliser le kit de développement logiciel (SDK) Azure Machine Learning service pour Python :

1. Lisez la présentation du SDK Python Azure Machine Learning pour en savoir plus sur les classes de clé et les modèles de conception avec des exemples de code.
2. Suivez le didacticiel Azure Machine Learning Bien démarrer avec Python pour commencer à créer des expériences et des modèles.