معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Azure Machine Learning Model Monitoring SDK V2

ویژگی	مقدار
سیستم عامل	-
نام فایل	azure-ai-mlmonitoring-0.1.0a3
نام	azure-ai-mlmonitoring
نسخه کتابخانه	0.1.0a3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Microsoft Corporation
ایمیل نویسنده	azuremlsdk@microsoft.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/azure-ai-mlmonitoring/
مجوز	MIT License

# Azure Machine Learning Model Monitoring SDK The `azure-ai-mlmonitoring` package provides an SDK to enable Model Data Collector (MDC) for custom logging allows customers to collect data at arbitrary points in their data pre-processing pipeline. Customers can leverage SDK in `score.py` to log data to desired sink before, during, and after any data transformations. Start by importing the `azure-ai-mlmonitoring` package in `score.py` ``` import pandas as pd import json from azure.ai.mlmonitoring import Collector def init(): global inputs_collector, outputs_collector # instantiate collectors with appropriate names, make sure align with deployment spec inputs_collector = Collector(name='model_inputs') outputs_collector = Collector(name='model_outputs') def run(data): # convert json to python object and convert to pandas Dataframe input_df = pd.DataFrame(json.loads(data)) # collect inputs data, store correlation_context context = inputs_collector.collect(input_df) # perform scoring with pandas Dataframe, return value is also pandas Dataframe output_df = predict(input_df) # collect outputs data, pass in correlation_context so inputs and outputs data can be correlated later outputs_collector.collect(output_df, context) return output_df.to_dict() def predict(input_df): # process input and return with outputs ... return output_df ``` Create environment with base image `mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04` and conda dependencies, then build the environment. ``` channels: - conda-forge dependencies: - python=3.8 - numpy=1.23.5 - pandas=1.5.2 - pip=22.3.1 - pip: - azureml-defaults==1.38.0 - requests==2.28.1 - azure-ai-mlmonitoring name: model-env ``` Create deployment with custom logging enabled (model_inputs and model_outputs are enabled) and the environment you just built, please update the yaml according to your scenario. ``` #source ../configs/model-data-collector/data-storage-basic-OnlineDeployment.YAML $schema: http://azureml/sdk-2-0/OnlineDeployment.json endpoint_name: my_endpoint #unchanged name: blue #unchanged model: azureml:my-model-m1:1 #azureml:models/<name>:<version> #unchanged environment: azureml:custom-logging-env:1 #unchanged data_collector: collections: model_inputs: enabled: true model_outputs: enabled: true ``` # Change Log ## [v0.1.0a3](https://pypi.org/project/azure-ai-mlmonitoring/0.1.0a3/) (2023.2.13) **Improvements** - Refine README.md. - Refactor code. - Log error message when data collected is not Pandas Dataframe. ## [v0.1.0a2](https://pypi.org/project/azure-ai-mlmonitoring/0.1.0a2/) (2023.1.16) **Improvements** - Refine README.md. ## [v0.1.0a1](https://pypi.org/project/azure-ai-mlmonitoring/0.1.0a1/) (2023.1.4) **New Features** - Support model data collection for pandas Dataframe.

نیازمندی

مقدار	نام
==2.28.1	requests
>=40.4.3	setuptools
~=20.3	pip
-	wheel
-	pytest-subtests
-	pytest-cov
-	pytest-xdist
-	numpy
-	pandas

نحوه نصب

نصب پکیج whl azure-ai-mlmonitoring-0.1.0a3:

pip install azure-ai-mlmonitoring-0.1.0a3.whl

نصب پکیج tar.gz azure-ai-mlmonitoring-0.1.0a3:

pip install azure-ai-mlmonitoring-0.1.0a3.tar.gz