Snowflake ML Python リリースノート¶

バグ修正¶

モデルレジストリのバグ修正:

• ユーザーのロールに USAGE 権限のみが付与されている場合に、USAGE の代わりにモデルに対する READ 権限を必要とすることにより model_version.run が失敗することを修正しました。

Feature store bug fixes:

• 既存の機能ビューが外部ビューであり、新しい機能ビューが管理されている場合、またはその逆の場合に overwrite=True の register_feature_view が失敗することを修正しました。

新機能¶

新しいモデルレジストリ機能:

• モデル署名に、ParamSpec 経由で推論パラメーターを設定できるようになりました。これにより、入力データに設定せずに推論時に渡される定数パラメーターを定義することができます。例:

  import pandas as pd
  from snowflake.ml.model import custom_model, model_signature
  from snowflake.ml.registry import Registry
  
  # Define a custom model with inference parameters
  class MyModelWithParams(custom_model.CustomModel):
      @custom_model.inference_api
      def predict(
          self,
          input_df: pd.DataFrame,
          *,
          temperature: float = 1.0,  # keyword-only param with default
      ) -> pd.DataFrame:
          return pd.DataFrame({"output": input_df["feature"] * temperature})
  
  # Create sample data
  model = MyModelWithParams(custom_model.ModelContext())
  sample_input = pd.DataFrame({"feature": [1.0, 2.0, 3.0]})
  sample_output = model.predict(sample_input, temperature=1.0)
  
  # Define ParamSpec for the inference parameter
  params = [
      model_signature.ParamSpec(
          name="temperature",
          dtype=model_signature.DataType.FLOAT,
          default_value=1.0,
      ),
  ]
  
  # Infer signature with params
  sig = model_signature.infer_signature(
      input_data=sample_input,
      output_data=sample_output,
      params=params,
  )
  
  # Log model with the signature
  registry = Registry(session)
  mv = registry.log_model(
      model=model,
      model_name="my_model_with_params",
      version_name="v1",
      signatures={"predict": sig},
  )
  
  # Run inference with custom parameter value
  result = mv.run(sample_input, function_name="predict", params={"temperature": 2.0})
  

  Copy

Feature Storeの新機能:

• データセット生成で複数の機能ビューを結合する際に、列名の競合を防ぐための新しい auto_prefix パラメーターおよび with_name メソッド。

• 動的Icebergテーブルを機能ビューのバックアップストレージとして使用できるようになりました。StorageFormat.ICEBERG の StorageConfig を使用して、外部クラウドストレージにApache Iceberg形式でデータを保存します。新しい default_iceberg_external_volume パラメーターを FeatureStore で使用して、Iceberg機能ビューのデフォルト外部ボリュームを設定することができます。

新機能¶

New Model Serving features:

• create_service メソッドは新しい autocapture 引数を受け入れて、推論データをキャプチャする必要があるかどうかを示します（リアルタイム推論のための推論ログの自動キャプチャ を参照）。

• create_service メソッドと log_model_and_create_service メソッドがオプションの min_instances 引数を受け入れて、サービスの最小インスタンス数を指定するようになりました。サービスは、トラフィックとハードウェアの使用率に基づいて、指定されたインスタンスの最小数と最大数の間の値に自動的にスケーリングします。min_instances が0の場合は、一定時間にわたりトラフィックが検出されなかった際にサービスが自動的に一時停止します。min_instances のデフォルト値は0です。

新機能¶

Feature Storeの新機能:

• Tile-based aggregation support using a new Feature API for efficient and point-in-time correct time-series feature computation using pre-computed tiles.

新しいモデルレジストリ機能:

• SentenceTransformer モデルは自動シグネチャ推論をサポートするようになりました。SentenceTransformer モデルをログに記録するとき、 sample_input_data はオプションです。入力サンプルデータが提供されていない場合、署名はモデルの埋め込みディメンションから自動的に推測されます。encode、 encode_query、 encode_document、 encode_queries、 encode_documents メソッドはサポートされています。

  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

新機能¶

新しい ML ジョブの特徴：

• ML ジョブがPython 3.11とPython 3.12をサポートするようになりました。ジョブは、クライアントPythonバージョンに一致するランタイム環境を自動的に選択します。

バグ修正¶

モデルレジストリのバグ修正:

• HuggingFace のトークン分類（名前付きエンティティ認識）モデルでの空の出力で障害が発生しなくなりました。

使用中のモデルのバグ修正:

• コンテナのステータスが正しくレポートされるようになり、空白とならないようになりました。

新機能¶

新しいモデルレジストリ機能:

• Snowpark Container Services（SPCS）ジョブを使用して、トランスフォーマーパイプラインモデルをリモートでログに記録できるようになりました。

  # 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

動作の変更¶

ML ジョブズの動作が変わります。

• additional_payloads パラメーターの動作が変更されています。imports 引数を使用して、 ZIP ファイルやPythonモジュールなどの追加の依存関係を宣言します。ローカルディレクトリとPythonファイルは自動的に圧縮され、内部レイアウトは指定されたインポートパスによって決定されます。インポートパスは、ローカルディレクトリ、Pythonファイル、ステージングされたPythonファイルにのみ適用されます。他のインポートタイプには影響しません。ステージ内のファイルを参照する場合、ディレクトリではなく個別のファイルのみがサポートされます。

実験追跡の動作変更:

• ExperimentTracking はシングルトンクラスになりました。

バグ修正¶

実験追跡のバグ修正:

• log_metrics または log_params で実行メタデータのサイズ制限に達すると、は例外を発生させる代わりに警告を発行するようになりました。

モデルレジストリのバグ修正:

• モデルが SPCS のみのモデルであり、 service_name が指定されていない場合、 ModelVersion.run は ValueError を生成するようになりました。

新しいプレビュー機能¶

• create_service メソッドは推論データが自動的にキャプチャされるかどうかを示すブール値 autocapture を受け入れるようになりました。

新しいリリース機能¶

新しいモデルレジストリ機能:

• 古いクラスはまだ非推奨になっていませんが、新しい snowflake.ml.model.models.huggingface.TransformersPipeline クラスは snowflake.ml.model.models.huggingface_pipeline.HuggingfacePipelineModel を置き換えることを目的としています。新しいクラスは、一般的なタスクのモデル署名を知ることができるため、手動で指定する必要はありません。現在、サポートされているタスクは次のとおりです。

  • fill-mask

  • question-answering

  • summarization

  • table-question-answering

  • text2text-generation

  • text-classification （エイリアス sentiment-analysis）

  • text-generation

  • token-classification （エイリアス ner）

  • translation

  • translation_xx_to_yy

  • ``zero-shot-classification``（モデルをメモリにロードせずにログに記録できます）

• ``list_services``API には、エンタープライズアプリケーション統合なしで別の SPCS ノードまたはノートブックから呼び出すことができる内部エンドポイントが表示されるようになりました。また、各サービスで自動キャプチャが有効になっているかどうかも示します。

新しい DataConnector 機能:

• 新しい to_huggingface_dataset メソッドは、Snowflakeデータを HuggingFace データセットに変換します。インメモリ Dataset``（``streaming=False）およびストリーミング IterableDataset``（``streaming=True）モードの両方をサポートします。

廃止予定に関するお知らせ¶

• snowflake.ml.model.models.huggingface_pipeline.HuggingfacePipelineModel クラスは非推奨され、今後のリリースでは削除される予定です。