Snowflake ML Python 版本说明¶

新功能¶

New Feature Store features:

• 支持基于磁贴的聚合，使用全新的 Feature API，并通过预先计算的磁贴实现高效且时间点正确的时间序列特征计算。

新的模型注册表功能：

• SentenceTransformer 模型现在支持自动签名推理。记录 SentenceTransformer 模型时，sample_input_data 是可选的。未提供样本输入数据时，将自动根据模型的嵌入维度推断签名。支持 encode、encode_query、encode_document、encode_queries、encode_documents 方法。

  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

新功能¶

New ML Jobs features:

• ML Jobs 现在支持 Python 3.11 和 Python 3.12。Jobs 会自动选择与客户端 Python 版本匹配的运行时环境。

错误修复¶

模型注册表错误修复：

• HuggingFace 的词元分类（命名实体识别）模型中的空输出不再导致失败。

Model Serving bug fixes:

• 容器状态现在可以正确报告，不应为空白。

新功能¶

新的模型注册表功能：

• 现在，您可以通过 Snowpark Container Services (SPCS) 作业远程记录转换器管道模型。

  # 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

行为变更¶

ML 作业行为变更：

• additional_payloads 参数的行为发生了变化。使用 imports 实参声明额外依赖项，例如 ZIP 文件和 Python 模块。本地目录和 Python 文件会自动压缩，其内部布局由指定的导入路径决定。导入路径仅适用于本地目录、Python 文件和暂存的 Python 文件；对其他导入类型无影响。在暂存区中引用文件时，仅支持单个文件，不支持目录。

实验跟踪行为变更：

• ExperimentTracking 现在为单例类。

错误修复¶

实验跟踪错误修复：

• 达到 log_metrics 或 log_params 的运行元数据大小限制时，将发出警告，而不是引发异常。

模型注册表错误修复：

• 如果模型为 SPCS 仅模型且未提供 service_name，ModelVersion.run 现在会引发 ValueError。

新的预览版功能¶

• create_service 方法现在接受布尔实参 autocapture，用于指示是否自动捕获推理数据。

新版本功能¶

新的模型注册表功能：

• 新的 snowflake.ml.model.models.huggingface.TransformersPipeline 类旨在替换 snowflake.ml.model.models.huggingface_pipeline.HuggingfacePipelineModel，但旧类尚未弃用。新类能识别常见任务的模型签名，因此无需手动指定。目前支持的任务包括：

  • fill-mask

  • question-answering

  • summarization

  • table-question-answering

  • text2text-generation

  • text-classification （别名：sentiment-analysis）

  • text-generation

  • token-classification （别名：ner）

  • translation

  • translation_xx_to_yy

  • zero-shot-classification （允许您在不将模型加载到内存的情况下记录模型）

• ``list_services``API 现在显示内部端点，可从另一个 SPCS 节点或笔记本调用，无需 Enterprise Application Integration。它还显示每项服务是否启用了自动捕获。

新 DataConnector 功能：

• 新 to_huggingface_dataset 方法将 Snowflake 数据转换为 HuggingFace 数据集。支持内存中 Dataset (streaming=False) 和流式 IterableDataset (streaming=True) 模式。

弃用声明¶

• snowflake.ml.model.models.huggingface_pipeline.HuggingfacePipelineModel 类已弃用，并将在未来版本中移除。