适用于 Snowflake ML 的 Python APIs¶

从 Snowflake Conda 通道安装¶

1. 创建将安装 Snowflake ML 的 Conda 环境。如果您希望使用现有环境，请跳过此步骤。

   conda create --name snowpark-ml
   

   Copy

2. 激活 Conda 环境：

   conda activate snowflake-ml
   

   Copy

3. 从 Snowflake Conda 通道安装 snowflake-ml-python

   conda install --override-channels --channel https://repo.anaconda.com/pkgs/snowflake/ snowflake-ml-python
   

   Copy

从 PyPI 安装¶

您可以使用标准 Python 包管理器 pip，从 Python 包索引 (PyPI) 安装 snowflake-ml-python。

1. 创建并激活你的 Python 虚拟环境：

   python3 -m virtualenv venv
   source venv/bin/activate
   

   Copy

2. 安装 snowflake-ml-python 包：

   python -m pip install snowflake-ml-python
   

   Copy

安装可选依赖项¶

某些 APIs 需要依赖项，而这些依赖项并未作为 snowflake-ml-python 的依赖项进行安装。默认情况下，已安装 scikit-learn。其他包，例如 LightGBM、XGBoost、Keras、PyTorch 等，都是可选的依赖项。

如果您计划使用 snowflake.ml.modeling.lightgbm 模块，请安装 LightGBM。使用以下命令激活 Conda 环境，并从 Snowflake Conda 通道安装 LightGBM。

conda activate snowflake-ml
conda install --override-channels --channel https://repo.anaconda.com/pkgs/snowflake/ lightgbm

使用以下命令激活虚拟环境，并使用 pip 安装 lightgbm。

source venv/bin/activate
python -m pip install 'snowflake-ml-python[lightgbm]'

设置 Snowpark Python¶

Snowpark Python 是 snowflake-ml-python 的依赖项，并自动随其安装。如果您的系统上未设置 Snowpark Python，您可能需要执行其他配置步骤。有关 Snowpark Python 设置说明，请参阅 为 Snowpark Python 设置开发环境。

指定仓库¶

许多 Snowflake ML 功能（例如模型训练或推理）都在 Snowflake 仓库中运行代码。这些操作在您用于连接的会话指定的仓库中运行。例如，如果在 SnowSQL 配置文件 中通过指定连接创建会话，就可以在指定配置中使用 warehousename 参数指定仓库。

如果配置中还不存在仓库设置，可以在创建 Session 对象时添加该设置，如此处所示。

from snowflake.snowpark import Session
from snowflake.ml.utils import connection_params

# Get named connection from SnowSQL configuration file
params = connection_params.SnowflakeLoginOptions(connection_name="my_connection")

# Add warehouse name for model method calls if it's not already present
if "warehouse" not in params:
    params["warehouse"] = "mlwarehouse"
sp_session = Session.builder.configs(params).create()

如果会话中没有指定仓库，或者您想要使用其他仓库，请调用会话的 use_warehouse 方法来指定仓库。

sp_session.use_warehouse("mlwarehouse")