Notes de version de Snowflake ML

Cet article contient les notes de version Snowflake ML, y compris les éléments suivants, le cas échéant :

  • Changements de comportement

  • Nouvelles fonctionnalités

  • Corrections de bogues pour les clients

Note

Ces notes n’incluent pas les modifications des fonctions qui n’ont pas fait l’objet d’une annonce publique. Ces fonctions peuvent apparaître dans le code source Snowflake ML, mais pas dans la documentation publique.

Voir Snowflake ML : machine learning de bout en bout pour la documentation.

Vérification du paquet snowflake-ml-python

Tous les paquets Snowflake sont signés, ce qui vous permet de vérifier leur origine. Pour vérifier le paquet snowflake.ml.python, procédez comme suit :

  1. Installez cosign. Cet exemple utilise l’installation Go : Installation de cosign avec Go.

  2. Téléchargez le fichier à partir d’un référentiel tel que PyPi.

  3. Téléchargez un fichier .sig pour cette version à partir de la page GitHub releases.

  4. Vérifiez la signature à l’aide de cosign. Par exemple :

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

Note

Cet exemple utilise la bibliothèque et la signature de la version 1.7.0 du paquet. Utilisez les noms de fichier de la version que vous vérifiez.

Version 1.7.3 (2025-01-09)

Mises à niveau des dépendances

  • fsspec et s3fs doivent être 2024.6.1 ou plus récents et antérieurs à 2026.

  • mlflow doit être 2.16.0 ou plus récent et inférieur à 3.

Nouvelles fonctionnalités

Nouvelles fonctions Cortex :

  • Les fonctions Cortex ont désormais des noms de type « snake_case ». Par exemple, ClassifyText devient classify_text. Les anciens noms « CamelCase » fonctionnent toujours, mais seront supprimés dans une version future.

Les fonctions du nouveau modèle de registre :

  • Le registre prend désormais en charge plus de 500 000 fonctions.

  • Ajout de l’argument user_files à Registry.log_model pour inclure des images ou d’autres fichiers avec le modèle.

  • Ajout de la prise en charge des configurations de modèle Hugging Face avec la fonctionnalité de mappage automatique.

Nouvelles fonctions de données :

  • Ajout du constructeur DataConnector.from_sql.

Corrections de bogues

Correctifs de bogues dans le registre :

  • Correction d’un bogue qui survenait lorsque l’on fournissait un DataFrame pandas d’index sans plage comme entrée à ModelVersion.run.

  • Amélioration de la génération aléatoire de noms de registre de modèles pour éviter les collisions.

  • Correction d’un problème lors de l’inférence d’une signature ou de l’exécution d’une inférence avec Snowpark DataFrame qui a une colonne dont le type est ARRAY et qui contient une valeur NULL.

  • ModelVersion.run accepte désormais un nom de service entièrement qualifié (complet).

  • Correction d’une erreur dans log_model pour tous les modèles scikit-learn avec seulement un prétraitement des données, y compris les modèles de pipeline avec prétraitement uniquement.

Correctif de bogues liés à la surveillance :

  • Correction d’un problème lors de la création de moniteurs utilisant des noms entièrement qualifiés (complets).

Langage: Français