Snowflake ML-Versionshinweise

Dieser Artikel enthält die Versionshinweise für Snowflake ML, einschließlich der folgenden, sofern zutreffend:

  • Verhaltensänderungen

  • Neue Features

  • Fehlerkorrekturen für Kunden

Bemerkung

Diese Hinweise enthalten keine Änderungen an Features, die noch nicht angekündigt wurden. Solche Features können im Quellcode von Snowflake ML erscheinen, aber nicht in der öffentlichen Dokumentation.

Siehe Snowflake ML: Umfassendes maschinelles Lernen für die Dokumentation.

Überprüfen des Pakets snowflake-ml-python

Alle Snowflake-Pakete sind signiert, sodass Sie ihre Herkunft überprüfen können. Um das Paket snowflake.ml.python zu überprüfen, führen Sie die folgenden Schritte aus:

  1. Installieren Sie cosign. Dieses Beispiel verwendet die Go-Installation: Installation von cosign mit Go.

  2. Laden Sie die Datei von einem Repository wie PyPi herunter.

  3. Laden Sie eine .sig-Datei für dieses Release von der GitHub Releases-Seite herunter.

  4. Überprüfen Sie die Signatur mit cosign. Beispiel:

cosign verify-blob snowflake_ml_python-1.7.0.tar.gz --key snowflake-ml-python-1.7.0.pub --signature resources.linux.snowflake_ml_python-1.7.0.tar.gz.sig

cosign verify-blob snowflake_ml_python-1.7.0.tar.gz --key snowflake-ml-python-1.7.0.pub --signature resources.linux.snowflake_ml_python-1.7.0
Copy

Bemerkung

Dieses Beispiel verwendet die Bibliothek und die Signatur für Version 1.7.0 des Pakets. Verwenden Sie die Dateinamen der Version, die Sie überprüfen.

Version 1.7.3 (2025-01-09)

Abhängigkeits-Upgrades

  • fsspec und s3fs müssen 2024.6.1 oder höher und geringer als 2026 sein.

  • mlflow muss 2.16.0 oder höher und geringer als 3 sein.

Neue Features

Neue Cortex-Features:

  • Cortex-Funktionen haben jetzt „snake_case“-Namen. Zum Beispiel ist ClassifyText jetzt classify_text. Die alten „CamelCase“-Namen funktionieren noch, werden aber in einem zukünftigen Release entfernt.

Neue Features der Modell-Registry:

  • Registry unterstützt jetzt mehr als 500.000 Features.

  • Das Argument user_files wurde zu Registry.log_model hinzugefügt, um Bilder oder andere Dateien mit dem Modell zu verbinden.

  • Unterstützung für die Handhabung von Konfigurationen des Modells Hugging Face mit automatischer Zuordnung wurde hinzugefügt.

Neue Features für Daten:

  • Der DataConnector.from_sql-Konstruktor wurde hinzugefügt.

Fehlerkorrekturen

Fehlerkorrekturen in der Registry:

  • Es wurde ein Fehler behoben, der auftrat, wenn ein Nicht-Bereichsindex pandas DataFrame als Eingabe an ModelVersion.run übergeben wurde.

  • Die Generierung zufälliger Modellregistrierungsnamen wurde verbessert, um Kollisionen zu vermeiden.

  • Es wurde ein Problem behoben, das beim Ableiten einer Signatur oder beim Ausführen einer Inferenz mit Snowpark DataFrame auftrat, wenn eine Spalte vom Typ ARRAY ist und einen Wert NULL enthält.

  • ModelVersion.run akzeptiert jetzt einen vollqualifizierten Dienstnamen.

  • Ein Fehler in log_model für alle scikit-learn-Modelle, die nur Daten vorverarbeiten, einschließlich der Pipeline-Modelle, die nur Daten vorverarbeiten, wurde behoben.

Fehlerbehebungen bei der Überwachung:

  • Ein Problem bei der Erstellung von Monitoren mit vollqualifizierten Namen wurde behoben.

Sprache: Deutsch