Condividi tramite

Aggiornare la gestione dei modelli all'SDK v2

  • Articolo

Questo articolo offre un confronto tra scenari in SDK v1 e SDK v2.

Creare un modello

  • SDK v1

    import urllib.request
from azureml.core.model import Model

# Register model
model = Model.register(ws, model_name="local-file-example", model_path="mlflow-model/model.pkl")

  • SDK v2

    from azure.ai.ml.entities import Model
from azure.ai.ml.constants import AssetTypes

file_model = Model(
    path="mlflow-model/model.pkl",
    type=AssetTypes.CUSTOM_MODEL,
    name="local-file-example",
    description="Model created from local file."
)
ml_client.models.create_or_update(file_model)

Usare un modello in un esperimento/processo

  • SDK v1

    model = run.register_model(model_name='run-model-example',
                           model_path='outputs/model/')
print(model.name, model.id, model.version, sep='\t')

  • SDK v2

    from azure.ai.ml.entities import Model
from azure.ai.ml.constants import AssetTypes

run_model = Model(
    path="azureml://jobs/$RUN_ID/outputs/artifacts/paths/model/",
    name="run-model-example",
    description="Model created from run.",
    type=AssetTypes.CUSTOM_MODEL
)

ml_client.models.create_or_update(run_model)

Per altre informazioni sui modelli, vedere Usare modelli in Azure Machine Learning.

Mapping delle funzionalità chiave in SDK v1 e SDK v2

Funzionalità nell'SDK v1 Mapping approssimativo in SDK v2
Model.register ml_client.models.create_or_update
run.register_model ml_client.models.create_or_update
Model.deploy ml_client.begin_create_or_update(blue_deployment)

Passaggi successivi

Per altre informazioni, vedere la documentazione qui: