Installare e configurare l'interfaccia della riga di comando (v2)

  • Articolo

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

L'estensione ml dell'interfaccia della riga di comando di Azure è l'interfaccia avanzata per Azure Machine Learning. Consente di eseguire il training e di distribuire modelli dalla riga di comando e include funzionalità che accelerano l'aumento o la riduzione delle risorse di data science durante il rilevamento del ciclo di vita del modello.

Prerequisiti

  • Per usare l'interfaccia della riga di comando, è necessario avere una sottoscrizione di Azure. Se non si ha una sottoscrizione di Azure, creare un account gratuito prima di iniziare. Provare la versione gratuita o a pagamento di Azure Machine Learning.
  • Per usare i comandi dell'interfaccia della riga di comando in questo documento dall'ambiente locale, è necessaria l'interfaccia della riga di comando di Azure.

Installazione

La nuova estensione di Machine Learning richiede la versione >=2.38.0 dell'interfaccia della riga di comando di Azure. Verificare che questo requisito sia soddisfatto:

az version

In caso contrario, aggiornare l'interfaccia della riga di comando di Azure.

Controllare le estensioni dell'interfaccia della riga di comando di Azure installate:

az extension list

Rimuovere qualsiasi installazione esistente dell'estensione ml e anche l'estensione azure-cli-ml dell'interfaccia della riga di comando v1:

az extension remove -n azure-cli-ml
az extension remove -n ml

Installare ora l'estensione ml:

az extension add -n ml

Eseguire il comando della guida per verificare l'installazione e visualizzare i sottocomandi disponibili:

az ml -h

È possibile aggiornare l'estensione alla versione più recente:

az extension update -n ml

Installazione in Linux

Se si usa Debian o Ubuntu, il modo più rapido per installare la versione dell'interfaccia della riga di comando necessaria e l'estensione di Machine Learning è il seguente:

curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bash 
az extension add -n ml -y

Per informazioni su come eseguire l'installazione in altre distribuzioni Linux, vedere Installare l'interfaccia della riga di comando di Azure per Linux.

Impostazione

Eseguire l'accesso:

az login

Se si ha accesso a più sottoscrizioni di Azure, è possibile impostare la sottoscrizione attiva:

az account set -s "<YOUR_SUBSCRIPTION_NAME_OR_ID>"

Facoltativamente, configurare variabili comuni nella shell per l'utilizzo nei comandi successivi:


GROUP="azureml-examples"

LOCATION="eastus"

WORKSPACE="main"

Avviso

In questo modo viene usata la sintassi Bash per impostare le variabili. Modificare in base alle esigenze per la shell. È anche possibile sostituire i valori nei comandi negli esempi seguenti inline anziché usare variabili.

Se non esiste già, è possibile creare il gruppo di risorse di Azure:


az group create -n $GROUP -l $LOCATION

E creare un'area di lavoro di Machine Learning:


az ml workspace create -n $WORKSPACE -g $GROUP -l $LOCATION

I sottocomandi di Machine Learning richiedono i parametri --workspace/-w e --resource-group/-g. Per evitare di digitarli ripetutamente, configurare le impostazioni predefinite:

az configure --defaults group=$GROUP workspace=$WORKSPACE location=$LOCATION

Suggerimento

La maggior parte degli esempi di codice presuppone che siano stati impostati un'area di lavoro e un gruppo di risorse predefiniti. È possibile eseguire l'override di queste impostazioni nella riga di comando.

È possibile visualizzare le impostazioni predefinite correnti usando --list-defaults/-l:

az configure -l -o table

Suggerimento

La combinazione con --output/-o consente formati di output più leggibili.

Comunicazioni sicure

L'estensione dell'interfaccia della riga di comando ml, talvolta denominata "interfaccia della riga di comando v2", per Azure Machine Learning invia dati operativi (parametri e metadati YAML) su Internet pubblico. Tutti i comandi dell'estensione dell'interfaccia della riga di comando ml comunicano con Azure Resource Manager. Questa comunicazione è protetta tramite HTTPS/TLS 1.2.

I dati in un archivio dati protetto in una rete virtuale vengono t_ inviati tramite internet pubblico. ad esempio se i dati di training si trovano nell'account di archiviazione predefinito per l'area di lavoro e l'account di archiviazione si trova in una rete virtuale.

Nota

Con l'estensione precedente (azure-cli-ml, talvolta denominata "interfaccia della riga di comando v1"), solo alcuni dei comandi comunicano con Azure Resource Manager, in particolare i comandi che creano, aggiornano, eliminano, elencano o mostrano le risorse di Azure. Operazioni come l'invio di un processo di training comunicano direttamente con l'area di lavoro di Azure Machine Learning. Se l'area di lavoro è protetta con un endpoint privato, ciò è sufficiente per proteggere i comandi forniti dall'estensione azure-cli-ml.

Se l'area di lavoro di Azure Machine Learning è pubblica (ovvero non è dietro una rete virtuale), non è necessaria alcuna configurazione aggiuntiva. Le comunicazioni vengono protette tramite HTTPS/TLS 1.2

Passaggi successivi