Köra Python-maskininlärningsskript i Machine Learning Studio (klassisk)

GÄLLER FÖR: Machine Learning Studio (klassisk) Azure Machine Learning

Viktigt!

Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.

Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.

• Se information om hur du flyttar maskininlärningsprojekt från ML Studio (klassisk) till Azure Machine Learning.
• Läs mer om Azure Machine Learning

Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.

Python är ett värdefullt verktyg i verktygslådan för många dataforskare. Den används i varje steg i vanliga arbetsflöden för maskininlärning, inklusive datautforskning, extrahering av funktioner, modellträning och validering samt distribution.

Den här artikeln beskriver hur du kan använda modulen Kör Python-skript för att använda Python-kod i dina Machine Learning Studio-experiment (klassiska) och webbtjänster.

Använda modulen Execute Python Script (Kör Python-skript)

Det primära gränssnittet till Python i Studio (klassisk) är via modulen Kör Python-skript . Den accepterar upp till tre indata och genererar upp till två utdata, ungefär som modulen Kör R-skript . Python-kod anges i parameterrutan via en särskilt namngiven startpunktsfunktion med namnet azureml_main.

Indataparametrar

Indata till Python-modulen exponeras som Pandas DataFrames. Funktionen azureml_main accepterar upp till två valfria Pandas DataFrames som parametrar.

Mappningen mellan indataportar och funktionsparametrar är positionell:

• Den första anslutna indataporten mappas till den första parametern för funktionen.
• Den andra indatan (om den är ansluten) mappas till den andra parametern för funktionen.
• Den tredje indatan används för att importera ytterligare Python-moduler.

Mer detaljerad semantik för hur indataportarna mappas till parametrar för azureml_main funktionen visas nedan.

Returvärden för utdata

Funktionen azureml_main måste returnera en enda Pandas DataFrame-paketerad i en Python-sekvens, till exempel en tuppel, lista eller NumPy-matris. Det första elementet i den här sekvensen returneras till modulens första utdataport. Den andra utdataporten för modulen används för visualiseringar och kräver inget returvärde. Det här schemat visas nedan.

Översättning av datatyper för indata och utdata

Studio-datauppsättningar är inte samma som Panda DataFrames. Därför konverteras indatauppsättningar i Studio (klassisk) till Pandas DataFrame och utdataramar konverteras tillbaka till Studio-datamängder (klassiska). Under den här konverteringsprocessen utförs även följande översättningar:

Python-datatyp	Studioöversättningsprocedur
Strängar och numeriska värden	Översatt som är
Pandas "NA"	Översatt som "Värde saknas"
Indexvektorer	Unsupported*
Kolumnnamn som inte är strängar	Anropa str kolumnnamn
Duplicera kolumnnamn	Lägg till numeriskt suffix: (1), (2), (3) och så vidare.

*Alla indataramar i Python-funktionen har alltid ett 64-bitars numeriskt index från 0 till antalet rader minus 1

Importera befintliga Python-skriptmoduler

Serverdelen som används för att köra Python baseras på Anaconda, en allmänt använd vetenskaplig Python-distribution. Det levereras med nästan 200 av de vanligaste Python-paketen som används i datacentrerade arbetsbelastningar. Studio (klassisk) stöder för närvarande inte användning av pakethanteringssystem som Pip eller Conda för att installera och hantera externa bibliotek. Om du upptäcker behovet av att lägga till ytterligare bibliotek använder du följande scenario som en guide.

Ett vanligt användningsfall är att införliva befintliga Python-skript i Studio-experiment (klassiska). Modulen Kör Python-skript accepterar en zip-fil som innehåller Python-moduler på den tredje indataporten. Filen packas upp av körningsramverket vid körning och innehållet läggs till i bibliotekssökvägen för Python-tolken. Startpunktsfunktionen azureml_main kan sedan importera dessa moduler direkt.

Tänk dig till exempel att filen Hello.py innehåller en enkel "Hello, World"-funktion.

Sedan skapar vi en fil Hello.zip som innehåller Hello.py:

Ladda upp zip-filen som en datauppsättning till Studio (klassisk). Skapa och kör sedan ett experiment som använder Python-koden i filen Hello.zip genom att koppla den till den tredje indataporten för modulen Kör Python-skript enligt följande bild.

Modulutdata visar att zip-filen har packats upp och att funktionen print_hello har körts.

Åtkomst till Azure Storage-blobar

Du kan komma åt data som lagras i ett Azure Blob Storage-konto med hjälp av följande steg:

1. Ladda ned Azure Blob Storage-paketet för Python lokalt.
2. Ladda upp zip-filen till din Studio-arbetsyta (klassisk) som en datauppsättning.
3. Skapa ditt BlobService-objekt med protocol='http'

from azure.storage.blob import BlockBlobService

# Create the BlockBlockService that is used to call the Blob service for the storage account
block_blob_service = BlockBlobService(account_name='account_name', account_key='account_key', protocol='http')

1. Inaktivera säker överföring som krävs på inställningsfliken För lagringskonfiguration

Operationalisera Python-skript

Alla Execute Python Script-moduler som används i ett bedömningsexperiment anropas när de publiceras som en webbtjänst. Bilden nedan visar till exempel ett bedömningsexperiment som innehåller koden för att utvärdera ett enda Python-uttryck.

En webbtjänst som skapats från det här experimentet skulle vidta följande åtgärder:

1. Ta ett Python-uttryck som indata (som en sträng)
2. Skicka Python-uttrycket till Python-tolken
3. Returnerar en tabell som innehåller både uttrycket och det utvärderade resultatet.

Arbeta med visualiseringar

Diagram som skapats med MatplotLib kan returneras av Python-skriptet Execute. Diagram omdirigeras dock inte automatiskt till bilder som de är när du använder R. Användaren måste därför uttryckligen spara alla diagram i PNG-filer.

Om du vill generera avbildningar från MatplotLib måste du utföra följande steg:

1. Växla serverdelen till "AGG" från den Qt-baserade standardåtergivningen.
2. Skapa ett nytt figurobjekt.
3. Hämta axeln och generera alla diagram i den.
4. Spara bilden i en PNG-fil.

Den här processen illustreras i följande bilder som skapar en punktdiagrammatris med hjälp av funktionen scatter_matrix i Pandas.

Det går att returnera flera siffror genom att spara dem i olika bilder. Studio-körningen (klassisk) hämtar alla bilder och sammanfogar dem för visualisering.

Avancerade exempel

Anaconda-miljön som är installerad i Studio (klassisk) innehåller vanliga paket som NumPy, SciPy och Scikits-Learn. Dessa paket kan användas effektivt för databearbetning i en maskininlärningspipeline.

Följande experiment och skript illustrerar till exempel användningen av ensemble-elever i Scikits-Learn för att beräkna funktionsprioritetspoäng för en datamängd. Poängen kan användas för att utföra övervakat funktionsval innan de matas in i en annan modell.

Här är python-funktionen som används för att beräkna prioritetspoängen och sortera funktionerna baserat på poängen:

Följande experiment beräknar och returnerar sedan prioritetspoängen för funktioner i datauppsättningen "Pima Indian Diabetes" i Machine Learning Studio (klassisk):

Begränsningar

Modulen Kör Python-skript har för närvarande följande begränsningar:

Körning i begränsat läge

Python-körningen är för närvarande begränsat och tillåter inte åtkomst till nätverket eller det lokala filsystemet på ett beständigt sätt. Alla filer som sparas lokalt isoleras och tas bort när modulen är klar. Python-koden kan inte komma åt de flesta kataloger på den dator som den körs på, undantaget är den aktuella katalogen och dess underkataloger.

Brist på avancerat stöd för utveckling och felsökning

Python-modulen stöder för närvarande inte IDE-funktioner som intellisense och felsökning. Om modulen misslyckas vid körning är den fullständiga Python-stackspårningen också tillgänglig. Men den måste visas i utdataloggen för modulen. Vi rekommenderar för närvarande att du utvecklar och felsöker Python-skript i en miljö som IPython och sedan importerar koden till modulen.

Utdata för enkel dataram

Python-startpunkten får endast returnera en enda dataram som utdata. Det går för närvarande inte att returnera godtyckliga Python-objekt, till exempel tränade modeller direkt tillbaka till Studio-körningen (klassisk). Precis som Kör R-skript, som har samma begränsning, är det i många fall möjligt att lägga objekt i en bytematris och sedan returnera det inuti en dataram.

Det går inte att anpassa Python-installationen

För närvarande är det enda sättet att lägga till anpassade Python-moduler via zip-filmekanismen som beskrevs tidigare. Även om detta är möjligt för små moduler är det besvärligt för stora moduler (särskilt moduler med inbyggda DLL:er) eller ett stort antal moduler.

Nästa steg

Mer information finns i Python Developer Center.