Instalace a nastavení rozhraní příkazového řádku (v2)

PLATÍ PRO:Rozšíření Azure CLI ml v2 (aktuální)

Rozšíření ml (Preview) pro Azure CLI je vylepšené rozhraní pro službu Azure Machine Learning. Umožňuje trénovat a nasazovat modely z příkazového řádku a nabízí funkce, které zrychlují vertikální navyšování kapacity datových věd a jejich škálování na více instancí při současném sledování životního cyklu modelů.

Požadavky

  • Abyste mohli rozhraní příkazového řádku používat, musíte mít předplatné Azure. Pokud ještě nemáte předplatné Azure, vytvořte si napřed bezplatný účet. Vyzkoušejte bezplatnou nebo placenou verzi Azure Machine Learning dnes.
  • K použití příkazů rozhraní příkazového řádku v tomto dokumentu z místního prostředí potřebujete Azure CLI.

Instalace

Nové rozšíření Machine Learning vyžaduje verzi >=2.15.0Azure CLI . Ujistěte se, že je tento požadavek splněn:

az version

Pokud tomu tak není, upgradujte azure CLI.

Zkontrolujte rozšíření Azure CLI, která jste nainstalovali:

az extension list

Ujistěte se, že není nainstalované žádné konfliktní rozšíření používající ml obor názvů, včetně azure-cli-ml rozšíření:

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

Teď nainstalujte ml rozšíření:

az extension add -n ml -y

Spuštěním příkazu nápovědy ověřte instalaci a podívejte se na dostupné dílčí příkazy:

az ml -h

Rozšíření můžete upgradovat na nejnovější verzi:

az extension update -n ml

Instalace v Linuxu

Pokud používáte Linux, nejrychlejší způsob instalace potřebné verze rozhraní příkazového řádku a rozšíření Machine Learning je:

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

Další informace najdete v tématu Instalace Azure CLI pro Linux.

Nastavení

Přihlášení:

az login

Pokud máte přístup k více předplatným Azure, můžete nastavit aktivní předplatné:

az account set -s "<YOUR_SUBSCRIPTION_NAME_OR_ID>"

Volitelně můžete v prostředí nastavit běžné proměnné pro použití v následujících příkazech:


GROUP="azureml-examples"

LOCATION="eastus"

WORKSPACE="main"

Upozornění

K nastavení proměnných se používá syntaxe Bash – upravte ji podle potřeby pro vaše prostředí. Hodnoty můžete nahradit také v příkazech pod vloženým textem místo použití proměnných.

Pokud ještě neexistuje, můžete vytvořit skupinu prostředků Azure:


az group create -n $GROUP -l $LOCATION

A vytvořte pracovní prostor strojového učení:


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

Dílčí příkazy strojového --workspace/-w učení vyžadují a --resource-group/-g parametry. Abyste se vyhnuli opakovanému zadávání těchto hodnot, nakonfigurujte výchozí hodnoty:

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

Tip

Většina příkladů kódu předpokládá, že jste nastavili výchozí pracovní prostor a skupinu prostředků. Můžete je přepsat na příkazovém řádku.

Aktuální výchozí hodnoty můžete zobrazit pomocí --list-defaults/-l:

az configure -l -o table

Tip

Kombinování s --output/-o umožňuje čitelnější formáty výstupu.

Zabezpečená komunikace

Rozšíření rozhraní příkazového ml řádku (někdy označované jako CLI v2) pro Azure Machine Learning odesílá provozní data (parametry a metadata YAML) přes veřejný internet. Všechny příkazy rozšíření rozhraní příkazového ml řádku komunikují s Azure Resource Managerem. Tato komunikace je zabezpečená pomocí protokolu HTTPS/TLS 1.2.

Data v úložišti dat zabezpečená ve virtuální síti se neposílají přes veřejný internet. Pokud se například trénovací data nacházejí ve výchozím účtu úložiště pro pracovní prostor a účet úložiště je ve virtuální síti.

Poznámka

S předchozím rozšířením (azure-cli-mlněkdy označovaným jako CLI v1) komunikují jenom některé příkazy s Azure Resource Managerem. Konkrétně příkazy, které vytvářejí, aktualizují, odstraní, zobrazí seznam nebo zobrazují prostředky Azure. Operace, jako je odeslání trénovací úlohy, komunikují přímo s pracovním prostorem Azure Machine Learning. Pokud je váš pracovní prostor zabezpečený privátním koncovým bodem, stačí k zabezpečení příkazů poskytovaných rozšířením azure-cli-ml .

Pokud je váš pracovní prostor Azure Machine Learning veřejný (tj. není za virtuální sítí), není potřeba žádná další konfigurace. Komunikace je zabezpečená pomocí protokolu HTTPS/TLS 1.2.

Další kroky