Notes de version de Snowflake ML Python¶

Nouvelles fonctionnalités¶

Nouvelles fonctionnalités du Feature Store :

• Prise en charge de l’agrégation basée sur les vignettes avec une nouvelle API Feature pour un calcul efficace et correct des fonctionnalités de séries temporelles à l’aide de vignettes précalculées.

Les fonctions du nouveau modèle de registre :

• Les modèles SentenceTransformer prennent désormais en charge l’inférence automatique de la signature. Lors de la journalisation d’un modèle SentenceTransformer, sample_input_data est facultatif. La signature est automatiquement déduite de la dimension d’intégration du modèle lorsqu’aucun échantillon de données d’entrée n’est fourni. Les méthodes encode, encode_query, encode_document, encode_queries, encode_documents sont prises en charge.

  import sentence_transformers
  from snowflake.ml.registry import Registry
  
  # Create model
  model = sentence_transformers.SentenceTransformer("all-MiniLM-L6-v2")
  
  # Log model without sample_input_data - signature is auto-inferred
  registry = Registry(session)
  mv = registry.log_model(
      model=model,
      model_name="my_sentence_transformer",
      version_name="v1",
  )
  
  # Run inference with auto-inferred signature (input: "text", output: "output")
  import pandas as pd
  result = mv.run(pd.DataFrame({"text": ["Hello world"]}))
  

  Copy

Nouvelles fonctionnalités¶

Nouvelles fonctionnalités de ML Jobs :

• Les tâches ML prennent désormais en charge Python 3.11 et Python 3.12. Les tâches sélectionnent automatiquement un environnement d’exécution correspondant à la version Python du client.

Corrections de bogues¶

Correction des bogues du registre des modèles :

• Une sortie vide dans les modèles de classification de jetons (reconnaissance d’entités nommées) HuggingFace ne provoquent plus d’échecs.

Correction des bogues de service de modèle :

• Les statuts des conteneurs sont désormais correctement indiqués et ne doivent pas être vides.

Nouvelles fonctionnalités¶

Les fonctions du nouveau modèle de registre :

• Vous pouvez désormais connecter à distance un modèle de pipeline de transformateur à l’aide d’une tâche Snowpark Container Services (SPCS).

  # create reference to the model
  model = huggingface.TransformersPipeline(
      model="TinyLlama/TinyLlama-1.1B-Chat-v1.0",
      task="text-generation",
  )
  
  # Remotely log the model, a SPCS job will run async and log the model
  mv = registry.log_model(
      model=model,
      model_name="tinyllama_remote_log",
      target_platforms=["SNOWPARK_CONTAINER_SERVICES"],
      signatures=openai_signatures.OPENAI_CHAT_SIGNATURE,
  )
  

  Copy

Changements de comportement¶

Modifications du comportement des tâches ML :

• Le comportement du paramètre additional_payloads change. Utilisez l’argument imports pour déclarer des dépendances supplémentaires, telles que les fichiers ZIP et les modules Python. Les répertoires locaux et les fichiers Python sont automatiquement compressés et leur disposition interne est déterminée par le chemin d’importation spécifié. Le chemin d’importation s’applique uniquement aux répertoires locaux, aux fichiers Python et aux fichiers Python en zone de préparation ; cela n’a aucun effet sur les autres types d’importation. Lors du référencement de fichiers dans une zone de préparation, seuls les fichiers individuels sont pris en charge, et non les répertoires.

Changements du comportement du suivi des expériences :

• ExperimentTracking est maintenant une classe unique.

Corrections de bogues¶

Corrections de bogues de suivi des expériences :

• Lorsque la limite de taille des métadonnées d’exécution est atteinte dans log_metrics ou log_params un avertissement est émis au lieu de lever une exception.

Correction des bogues du registre des modèles :

• ModelVersion.run génère maintenant une ValueError si le modèle est uniquement un modèle SPCS et si service_name n’est pas fourni.

Nouvelles fonctionnalités de prévisualisation¶

• La méthode create_service accepte désormais l’argument booléen autocapture pour indiquer si les données d’inférence sont automatiquement capturées.

Nouvelles fonctionnalités de la version¶

Les fonctions du nouveau modèle de registre :

• La nouvelle classe``snowflake.ml.model.models.huggingface.TransformersPipeline`` est destinée à remplacer snowflake.ml.model.models.huggingface_pipeline.HuggingfacePipelineModel, bien que l’ancienne classe ne soit pas encore obsolète. La nouvelle classe connaît les signatures de modèles pour les tâches courantes, de sorte que vous n’avez pas besoin de les spécifier manuellement. Les tâches prises en charge sont actuellement les suivantes :

  • fill-mask

  • question-answering

  • summarization

  • table-question-answering

  • text2text-generation

  • text-classification (alias sentiment-analysis)

  • text-generation

  • token-classification (alias ner)

  • translation

  • translation_xx_to_yy

  • zero-shot-classification (vous permet d’enregistrer les modèles sans les charger en mémoire)

• L’API list_services montre maintenant un point de terminaison interne qui peut être appelé depuis un autre nœud ou notebook SPCS sans intégration d’application Enterprise. Elle indique également si la capture automatique est activée pour chaque service.

Nouvelles fonctionnalités DataConnector :

• La nouvelle méthode to_huggingface_dataset convertit les données Snowflake en ensembles de données HuggingFace. Prend en charge les modes en mémoire Dataset (streaming=False) et streaming IterableDataset (streaming=True).

Avis d’obsolescence¶

• La classe``snowflake.ml.model.models.huggingface_pipeline.HuggingfacePipelineModel`` est obsolète et sera supprimée dans une prochaine version.