Instalar e configurar a CLI (v2)

  • Artigo

APLICA-SE A: Azure CLI ml extension v2 (atual)

A ml extensão para a CLI do Azure é a interface aprimorada para o Azure Machine Learning. Permite-lhe educar e implementar modelos a partir da linha de comandos, com funcionalidades que aceleram o aumento vertical e horizontal da ciência de dados enquanto controla o ciclo de vida dos modelos.

Pré-requisitos

  • Para usar a CLI, você deve ter uma assinatura do Azure. Se não tiver uma subscrição do Azure, crie uma conta gratuita antes de começar. Experimente hoje mesmo a versão gratuita ou paga do Azure Machine Learning .
  • Para usar os comandos da CLI neste documento a partir do seu ambiente local, você precisa da CLI do Azure.

Instalação

A nova extensão do Machine Learning requer a versão >=2.38.0da CLI do Azure. Certifique-se de que este requisito é cumprido:

az version

Se não estiver, atualize sua CLI do Azure.

Verifique as extensões da CLI do Azure instaladas:

az extension list

Remova qualquer instalação existente da ml extensão e também a extensão CLI v1 azure-cli-ml :

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

Agora, instale a ml extensão:

az extension add -n ml

Execute o comando help para verificar sua instalação e ver os subcomandos disponíveis:

az ml -h

Você pode atualizar a extensão para a versão mais recente:

az extension update -n ml

Instalação em Linux

Se você estiver usando Debian ou Ubuntu, a maneira mais rápida de instalar a versão CLI necessária e a extensão Machine Learning é:

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

Para obter informações sobre como instalar em outras distribuições Linux, visite Instalar a CLI do Azure para Linux.

Configurar

Iniciar sessão:

az login

Se tiver acesso a várias subscrições do Azure, pode definir a sua subscrição ativa:

az account set -s "<YOUR_SUBSCRIPTION_NAME_OR_ID>"

Opcionalmente, configure variáveis comuns em seu shell para uso em comandos subsequentes:


GROUP="azureml-examples"

LOCATION="eastus"

WORKSPACE="main"

Aviso

Isso usa a sintaxe Bash para definir variáveis. Ajuste conforme necessário para o seu shell. Você também pode substituir os valores em comandos nos exemplos a seguir embutidos em vez de usar variáveis.

Se ainda não existir, você pode criar o grupo de recursos do Azure:


az group create -n $GROUP -l $LOCATION

E crie um espaço de trabalho de aprendizado de máquina:


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

Os subcomandos de aprendizado de máquina exigem os --workspace/-w parâmetros e --resource-group/-g . Para evitar digitá-los repetidamente, configure os padrões:

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

Gorjeta

A maioria dos exemplos de código pressupõe que você tenha definido um espaço de trabalho padrão e um grupo de recursos. Você pode substituí-los na linha de comando.

Você pode mostrar seus padrões atuais usando --list-defaults/-l:

az configure -l -o table

Gorjeta

A combinação com --output/-o permite formatos de saída mais legíveis.

Comunicações seguras

A ml extensão CLI (às vezes chamada de 'CLI v2') para o Azure Machine Learning envia dados operacionais (parâmetros e metadados YAML) pela Internet pública. Todos os comandos de extensão da ml CLI se comunicam com o Azure Resource Manager. Esta comunicação é protegida usando HTTPS/TLS 1.2.

Os dados em um armazenamento de dados protegido em uma rede virtual t_ são enviados pela Internet pública. Por exemplo, se os dados de treinamento estiverem localizados na conta de armazenamento padrão do espaço de trabalho e a conta de armazenamento estiver em uma rede virtual.

Nota

Com a extensão anterior (azure-cli-ml, às vezes chamada de 'CLI v1'), apenas alguns dos comandos se comunicam com o Gerenciador de Recursos do Azure. Especificamente, comandos que criam, atualizam, excluem, listam ou mostram recursos do Azure. Operações como o envio de um trabalho de treinamento se comunicam diretamente com o espaço de trabalho do Azure Machine Learning. Se o seu espaço de trabalho estiver protegido com um ponto de extremidade privado, isso será suficiente para proteger os azure-cli-ml comandos fornecidos pela extensão.

Se o seu espaço de trabalho do Azure Machine Learning for público (ou seja, não estiver atrás de uma rede virtual), não será necessária nenhuma configuração extra. As comunicações são protegidas usando HTTPS/TLS 1.2

Próximos passos