Snowflake ML 版本说明¶

错误修复¶

模型注册表错误修复：

• 修复了使用 score_samples 推理方法记录 scikit-learn 模型日志时的 unsupported model type 错误。

• 修复了在现有挂起服务上创建推理服务失败的问题。

新功能¶

新的模型注册表功能：

• 创建使用 log_model 的模型版本副本时，如果实参不受支持，现会引发异常。

行为变更¶

模型注册表行为变更：

• transformers.Pipeline 中的自动推理签名已更改为使用 FeatureGroupSpec 任务类，包括：

  • Fill-mask 任务的签名：

    Before v1.8.0v1.8.0 and later

      ModelSignature(
          inputs=[
              FeatureSpec(name="inputs", dtype=DataType.STRING),
          ],
          outputs=[
              FeatureSpec(name="outputs", dtype=DataType.STRING),
          ],
    )
    

    Copy

  • 词元分类任务的签名：

    Before v1.8.0v1.8.0 and later

    ModelSignature(
        inputs=[
            FeatureSpec(name="inputs", dtype=DataType.STRING),
        ],
        outputs=[
            FeatureSpec(name="outputs", dtype=DataType.STRING),
        ],
    )
    

    Copy

  • 问答任务的签名：

    Before v1.8.0v1.8.0 and later

    ModelSignature(
        inputs=[
            FeatureSpec(name="question", dtype=DataType.STRING),
            FeatureSpec(name="context", dtype=DataType.STRING),
        ],
        outputs=[
            FeatureSpec(name="outputs", dtype=DataType.STRING),
        ],
    )
    

    Copy

  • 当 top_k 大于 1 时，用于问答任务的签名：

    Before v1.8.0v1.8.0 and later

    ModelSignature(
        inputs=[
            FeatureSpec(name="question", dtype=DataType.STRING),
            FeatureSpec(name="context", dtype=DataType.STRING),
        ],
        outputs=[
            FeatureSpec(name="outputs", dtype=DataType.STRING),
        ],
    )
    

    Copy

  • 当 top_k 为 None 时，文本分类任务的签名：

    Before v1.8.0v1.8.0 and later

    ModelSignature(
        inputs=[
            FeatureSpec(name="text", dtype=DataType.STRING),
            FeatureSpec(name="text_pair", dtype=DataType.STRING),
        ],
        outputs=[
            FeatureSpec(name="label", dtype=DataType.STRING),
            FeatureSpec(name="score", dtype=DataType.DOUBLE),
        ],
    )
    

    Copy

  • 当 top_k 不是 None 时，文本分类任务的签名：

    Before v1.8.0v1.8.0 and later

    ModelSignature(
        inputs=[
            FeatureSpec(name="text", dtype=DataType.STRING),
            FeatureSpec(name="text_pair", dtype=DataType.STRING),
        ],
        outputs=[
            FeatureSpec(name="outputs", dtype=DataType.STRING),
        ],
    )
    

    Copy

  • 文本生成任务的签名：

    Before v1.8.0v1.8.0 and later

    ModelSignature(
        inputs=[FeatureSpec(name="inputs", dtype=DataType.STRING)],
        outputs=[
            FeatureSpec(name="outputs", dtype=DataType.STRING),
        ],
    )
    

    Copy

• 现在，PyTorch 和 TensorFlow 模型在记录到模型注册表时，默认期望单个张量输入和输出。要使用多个张量（以前的行为方式），请设置 options={"multiple_inputs": True}。

  单张量输入的示例：

  import torch
  
  class TorchModel(torch.nn.Module):
      def __init__(self, n_input: int, n_hidden: int, n_out: int, dtype: torch.dtype = torch.float32) -> None:
          super().__init__()
          self.model = torch.nn.Sequential(
              torch.nn.Linear(n_input, n_hidden, dtype=dtype),
              torch.nn.ReLU(),
              torch.nn.Linear(n_hidden, n_out, dtype=dtype),
              torch.nn.Sigmoid(),
          )
  
      def forward(self, tensor: torch.Tensor) -> torch.Tensor:
          return cast(torch.Tensor, self.model(tensor))
  
  # Sample usage:
  data_x = torch.rand(size=(batch_size, n_input))
  
  # Log model with single tensor
  reg.log_model(
      model=model,
      ...,
      sample_input_data=data_x
  )
  
  # Run inference with single tensor
  mv.run(data_x)
  

  Copy

  对于多张量输入或输出，请使用：

  reg.log_model(
      model=model,
      ...,
      sample_input_data=[data_x_1, data_x_2],
      options={"multiple_inputs": True}
  )
  

  Copy

• 当模型可以部署到 Snowpark Container Services 时，enable_explainability 现在默认为 False。

错误修复¶

建模错误修复：

• 修复了某些指标中的以下错误：允许在存储过程中自动安装不受支持的 numpy 版本，从而导致在执行时出现 numpy 错误。

模型注册表错误修复：

• 修复了以下错误：将受支持的模型指定为 CustomModel 属性时，会造成不正确的 Model does not have _is_inference_api 错误消息。

• 修复了以下错误：当具有 500 个以上的输入特征的模型部署到 SPCS 时，推理不起作用。

新功能¶

新的模型注册表功能：

• 支持使用单个 torch.Tensor、tensorflow.Tensor 和 tensorflow.Variable 作为输入或输出数据。

• 支持 XGBoost 模型的 xgboost.DMatrix datatype。

错误修复¶

模型注册表错误修复：

• 修复了一个兼容性问题，当使用 snowflake-ml-python 1.7.0 或更高版本保存采用 keras 2.x 的 tensorflow.keras 模型时，该模型无法在 Snowflake 中运行。当 relax_version 设置为 True``（或默认值）并且有新版本的 ``snowflake-ml-python 可用时，会发生此问题。如果您已在日志中记录受影响的模型，则可以使用 ModelVerison.load 加载模型，然后使用最新版本的 snowflake-ml-python 重新记录模型日志，从而恢复该模型。

• 移除了阻止将不具有非 null 值的数据传递给 ModelVersion.run 的验证。

新功能¶

新的模型注册表功能：

• 支持具有自动映射功能的 Hugging Face 模型配置。

• 支持使用 ternsorflow 和 pytorch 后端的 keras 3.x 模型。

新的模型可解释性功能：

• 支持原生和 snowflake-ml-python sklearn 管道。

错误修复¶

注册表错误修复：

• 修复了使用不正确的数据类型加载 Hugging Face 管道时的问题。

• 修复了在推断模型签名时实际上仅使用一行的问题。

新功能¶

新的 Cortex 功能：

• Complete 函数新增 guardrails 选项，用于启用 Cortex Guard。

依赖项升级¶

• fsspec 和 s3fs 必须是 2024.6.1 或更高版本，不得低于 2026 版本。

• mlflow 必须是 2.16.0 或更高版本，并且低于 3 版本。

新功能¶

新的 Cortex 功能：

• Cortex 函数现在具有“snake_case”名称。 例如，ClassifyText 现在是 classify_text。旧的“CamelCase”名称仍然有效，但将从未来版本中移除。

新的模型注册表功能：

• 注册表现在支持超过 500,000 个功能。

• 向 Registry.log_model 添加了 user_files 实参以在模型中包含图像或其他文件。

• 添加了对处理具有自动映射功能的 Hugging Face 模型配置的支持。

新数据特性：

• 添加了 DataConnector.from_sql 构造函数。

错误修复¶

注册表错误修复：

• 修复了在将非范围索引 pandas DataFrame 作为 ModelVersion.run 输入时发生的错误。

• 改进了随机模型注册名称生成，以避免冲突。

• 修复了在使用具有 ARRAY 列类型且包含 NULL 值的 Snowpark DataFrame 推断签名或运行引用时出现的问题

• ModelVersion.run 现在接受完全限定的服务名称。

• 修复了任何仅包含数据预处理的 scikit-learn 模型（包括仅预处理的管道模型）中的 log_model 错误。

监控错误修复：

• 修复了使用完全限定名称创建监控的问题。