Notas de la versión de la CLI de Azure Machine Learning (v2)

SE APLICA A:Extensión de ML de la CLI de Azure v2 (actual)

En este artículo va a obtener información sobre las versiones de la CLI de Azure Machine Learning (v2).

Fuente RSS: reciba notificaciones cuando esta página se actualice copiando y pegando la siguiente dirección URL en su lector de fuentes: https://learn.microsoft.com/api/search/rss?search=%22Azure+machine+learning+release+notes-v2%22&locale=en-us

2025-05-09

CLI de Azure Machine Learning (v2) v 2.37.0

az ml workspace create
- Área de trabajo central y proyecto marcada como disponibilidad general.

2025-04-24

CLI de Azure Machine Learning (v2) v 2.36.5

Anclar la versión principal de las dependencias externas en el SDK.

2025-04-18

CLI de Azure Machine Learning (v2) v 2.36.4

Se ha actualizado la dependencia marshmallow para restringir las versiones a >=3.5,4.0.0< para garantizar la compatibilidad.

2025-04-16

CLI de Azure Machine Learning (v2) v 2.36.3

Quitar la referencia de los distutils del paquete en desuso.

2025-04-10

CLI de Azure Machine Learning (v2) v 2.36.2

az ml capability-host create
- La propiedad conexiones de AI Search se ha convertido en opcional.

2025-04-02

CLI de Azure Machine Learning (v2) v 2.36.1

Controle el valor de duración que falta en el resultado del sondeo de implementación.

2025-03-14

CLI de Azure Machine Learning (v2) v 2.36.0

az ml compute update
- Se ha corregido la actualización del proceso cuando ssh está habilitado.

2025-01-08

CLI de Azure Machine Learning (v2) v 2.34.0

az ml workspace update --network-acls
- Se agregó --network-acls la propiedad para permitir al usuario especificar direcciones IP o intervalos IP en notación CIDR para el acceso al área de trabajo.
az ml capability-host
- Se ha agregado la operación create.
- Se agregó la operación get.
- Se agregó la operación de eliminación.

17-12-2024

CLI de Azure Machine Learning (v2) v 2.33.0

az ml workspace create --provision-network-now
- Se ha agregado --provision-network-now la propiedad para desencadenar el aprovisionamiento de la red administrada al crear un área de trabajo con la red administrada habilitada o, de lo contrario, no hace nada.

2024-09-18

CLI de Azure Machine Learning (v2) v2.30.0

az ml workspace outbound-rule set
- Se ha agregado compatibilidad con la propiedad Opcional --fqdns para private_endpoint creación de reglas de salida en una red administrada del área de trabajo. Relacionado con la compatibilidad con el destino PE de Application Gateway.
- Se ha agregado compatibilidad con la propiedad Optional --address-prefixes para service_tag creación de reglas de salida en la red administrada del área de trabajo.

2024-08-14

CLI de Azure Machine Learning (v2) v2.29.0

az ml compute enable-sso
- Se ha agregado enable-sso para permitir que el usuario habilite la configuración de sso de una instancia de proceso sin ningún conjunto de permisos de escritura en el proceso.

2024-06-21

CLI de Azure Machine Learning (v2) v2.27.0

az ml workspace create --system-datastores-auth-mode
- Se ha agregado --system-datastores-auth-mode para crear para el área de trabajo de Azure Machine Learning.
az ml workspace update --system-datastores-auth-mode
- Se ha agregado --system-datastores-auth-mode para actualizar el área de trabajo de Azure Machine Learning.
az ml workspace create --allow-roleassignment-on-rg
- Se ha agregado --allow-roleassignment-on-rg para crear para el área de trabajo de Azure Machine Learning con la asignación de roles allow/disallow en el nivel de grupo de recursos.
az ml workspace update --allow-roleassignment-on-rg
- Se ha agregado --allow-roleassignment-on-rg para actualizar el área de trabajo de Azure Machine Learning con permitir o denegar la asignación de roles en el nivel de grupo de recursos.

2023-10-18

CLI de Azure Machine Learning (v2) v2.21.1

La versión de dependencia de pydash se actualizó a =6.0.0 para aplicar revisiones a la vulnerabilidad de seguridad en versiones anteriores a >la versión 6.0.0

2023-09-11

CLI de Azure Machine Learning (v2) v2.20.0

az ml feature-store provision-network
- [Revisión pública] Se ha agregado este comando para permitir que el usuario aprovisione la red administrada para el almacén de características.
az ml feature-store create
- Se ha agregado --not-grant-permissions para permitir que el usuario no conceda acceso a la identidad de materialización al almacén de características.
az ml feature-store update
- Se ha agregado --not-grant-permissions para permitir que el usuario no conceda acceso a la identidad de materialización al almacén de características.
az ml feature-set
- Se agregará --feature-store-name y desusó --workspace-name, se quitará la compatibilidad con versiones anteriores en 6 meses.
az ml feature-store-entity
- Agregado --feature-store-name y en desuso --workspace-name, la compatibilidad con versiones anteriores se quitará en 6 meses.
az configure
- Se ha agregado --defaults feature-store=<name> para permitir al usuario configurar el almacén de características predeterminado.
az ml job connect-ssh
- Se ha agregado --ssh-args/-c para permitir especificar opciones ssh + comandos. Por ejemplo, para enviar señales a procesos en ejecución o para adjuntar a un terminal interactivo

09-05-2023

CLI de Azure Machine Learning (v2) v2.17.0

az ml online-deployment create
- Se ha agregado --local-enable-gpu para permitir el acceso de GPU a la implementación local.
az ml online-deployment update
- Se ha agregado --local-enable-gpu para permitir el acceso de GPU a la implementación local.

2023-05-01

CLI de Azure Machine Learning (v2) v2.16.0

az ml job connect-ssh
- Este comando se marca como GA.
az ml job show-services
- Este comando se marca como GA.
az ml model download
- Se ha corregido un problema por el que, al descargar un modelo de un registro a través del argumento --registry-name, workspace_name era obligatorio.
az ml model create
- Agregue la marca --stage(-s) para agregar la fase del modelo.
az ml model update
- Agregue la marca --stage(-s) para actualizar la fase del modelo.
az ml model list
- Agregue la marca --stage(-s) para enumerar por la fase del modelo.
az ml workspace delete
- Agregue la marca --purge(-p) para forzar la purga en lugar de la eliminación temporal.
az ml workspace create
- Agregue la marca --enable-data-isolation(-e) para determinar si un área de trabajo tiene habilitado el aislamiento de datos.

2023-03-21

CLI de Azure Machine Learning (v2) v2.15.0

az ml compute
- Se ha agregado --tags para crear y actualizar el proceso de Azure Machine Learning.
az ml data import
- Admita la creación de una versión de recurso de datos importando primero los datos de la base de datos y file_system al almacenamiento en la nube de Azure.
az ml data list-materialization-status
- Compatibilidad con la enumeración del estado de los trabajos de materialización de importación de datos que crean versiones de recursos de datos de <asset_name> a través del argumento --name.
az ml online-deployment update
- Se ha agregado --skip-script-validation para crear para la implementación en línea de Azure Machine Learning.
az ml workspace provision-network
- Compatibilidad con el aprovisionamiento de una red administrada para el área de trabajo

2023-02-03

CLI de Azure Machine Learning (v2) v2.14.0

az ml compute
- Se ha agregado --location para crear para el proceso de Azure Machine Learning.
- Se ha agregado --enable-node-public-ip para crear para el proceso.
az ml data
- Ediciones secundarias para ayudar al texto
az ml data list
- Se ha agregado compatibilidad para enumerar recursos de datos en un registro mediante el argumento --registry-name
az ml data show
- Se ha agregado compatibilidad para mostrar un recurso de datos en un registro mediante el argumento --registry-name
az ml data create
- Se ha agregado compatibilidad para crear un recurso de datos en un registro mediante el argumento --registry-name
- Se ha agregado compatibilidad para promover un recurso de datos de un área de trabajo a un registro
az ml workspace create
- Se ha agregado compatibilidad para crear un área de trabajo con una red administrada con el argumento --managed-network
az ml workspace update
- Se ha agregado compatibilidad para actualizar un área de trabajo con una red administrada con el argumento --managed-network
az ml compute connect-ssh
- Se ha agregado compatibilidad para conectarse a una instancia de proceso a través de SSH
az ml workspace outbound-rule
- Se ha agregado compatibilidad para enumerar las reglas de salida de una red administrada para un área de trabajo az ml workspace outbound-rule list
- Se ha agregado compatibilidad para mostrar las reglas de salida de una red administrada para un área de trabajo az ml workspace outbound-rule show
- Se ha agregado compatibilidad para quitar las reglas de salida de una red administrada para un área de trabajo az ml workspace outbound-rule remove
- Se ha agregado compatibilidad para crear o actualizar las reglas de salida de una red administrada para un área de trabajo az ml workspace outbound-rule set

2022-12-06

CLI de Azure Machine Learning (v2) v2.12.0

Se ha mejorado el mensaje de error para az ml los comandos que están habilitados en el Registro, cuando no se pasa ningún nombre del registro o área de trabajo.
az ml compute
- Se ha corregido un problema causado por un parámetro sin espera.

08-11-2022

CLI de Azure Machine Learning (v2) v2.11.0

La CLI depende de azure-ai-ml 1.1.0.
az ml registry
- Se ha agregado el comando ml registry delete.
- Etiquetas experimentales del registro ajustadas e importaciones a fin de evitar copias impresas de advertencias para operaciones no relacionadas.
az ml environment
- Se ha impedido el registro de un entorno existente que hace referencia al archivo conda.

10-10-2022

CLI de Azure Machine Learning (v2) v2.10.0

La CLI depende de la versión de disponibilidad general de azure-ai-ml.
Se ha eliminado la compatibilidad con Python 3.6.
az ml registry
- Se ha agregado un grupo nuevo de comandos para administrar los registros de recursos de ML.
az ml job
- Se ha agregado el comando az ml job show-services.
- Se ha agregado el barrido de modelos y el ajuste de hiperparámetros a trabajos AutoML NLP.
az ml schedule
- Se ha agregado la propiedad month_days en la programación de periodicidad.
az ml compute
- Se ha agregado compatibilidad con scripts de instalación personalizados para instancias de proceso.

2022-09-22

CLI de Azure Machine Learning (v2) v2.8.0

az ml job
- Se ha agregado compatibilidad con trabajos de Spark.
- Se han agregado shm_size y docker_args al trabajo.
az ml compute
- La instancia de proceso admite la identidad administrada.
- Se ha agregado compatibilidad con el tiempo de cierre por inactividad para la instancia de proceso.
az ml online-deployment
- Se ha agregado compatibilidad con la recopilación de datos para eventhub y el almacenamiento de datos.
- Se ha agregado la validación de sintaxis para el script de puntuación.
az ml batch-deployment
- Se ha agregado la validación de sintaxis para el script de puntuación.

10-08-2022

CLI de Azure Machine Learning (v2) v2.7.0

az ml component
- Se ha agregado el componente AutoML.
az ml dataset
- Grupo de comandos en desuso (use az ml data en su lugar).

16-07-2022

CLI de Azure Machine Learning (v2) v2.6.0

Se ha agregado compatibilidad con la nube MoonCake.
az ml job
- Se permite que las direcciones URL del repositorio de Git se usen como código.
- Los trabajos de AutoML usan el mismo esquema de entrada que otros tipos de trabajo.
- Los trabajos de canalización ahora admiten recursos del registro.
az ml component
- Se permite que las direcciones URL del repositorio de Git se usen como código.
az ml online-endpoint
- MIR ahora admite recursos del Registro.

24-5-2022

CLI de Azure Machine Learning (v2) v2.4.0

La CLI de Azure Machine Learning (v2) ya tiene disponibilidad general (GA).
az ml job
- El grupo de comandos se marca como GA.
- Se ha agregado el tipo de trabajo AutoML en versión preliminar pública.
- Se ha agregado la propiedad schedules al trabajo de canalización en versión preliminar pública.
- Se ha agregado una opción para enumerar solo los trabajos archivados.
- Se ha mejorado la confiabilidad del comando az ml job download.
az ml data
- El grupo de comandos se marca como GA.
- Se ha agregado el tipo de datos MLTable en versión preliminar pública.
- Se ha agregado una opción para enumerar solo los recursos de datos archivados.
az ml environment
- Se ha agregado una opción para enumerar solo los entornos archivados.
az ml model
- El grupo de comandos se marca como GA.
- Se permite la creación de modelos a partir de salidas de trabajos.
- Se ha agregado una opción para enumerar solo los modelos archivados.
az ml online-deployment
- El grupo de comandos se marca como GA.
- Se ha quitado el tiempo de espera de la creación de implementaciones.
- Se ha mejorado la vista de lista de implementaciones en línea.
az ml online-endpoint
- El grupo de comandos se marca como GA.
- Se ha agregado la propiedad mirror_traffic a los puntos de conexión en línea en versión preliminar pública.
- Se ha mejorado la vista de lista de puntos de conexión en línea.
az ml batch-deployment
- El grupo de comandos se marca como GA.
- Se ha agregado compatibilidad con uri_file y uri_folder como entrada de invocación.
- Se ha corregido un error en la actualización de implementaciones por lotes.
- Se ha corregido un error en la salida de los trabajos de enumeración de implementaciones por lotes.
az ml batch-endpoint
- El grupo de comandos se marca como GA.
- Se ha agregado compatibilidad con uri_file y uri_folder como entrada de invocación.
- Se ha corregido un error en la actualización de puntos de conexión por lotes.
- Se ha corregido un error en la salida de los trabajos de enumeración de puntos de conexión por lotes.
az ml component
- El grupo de comandos se marca como GA.
- Se ha agregado una opción para enumerar solo los componentes archivados.
az ml code
- Se ha quitado este grupo de comandos.

2022-03-14

CLI de Azure Machine Learning (v2) v2.2.1

az ml job
- Para todos los tipos de trabajo, se ha aplanado la sección code del esquema YAML. En lugar de especificar la ruta de code.local_path acceso al directorio de código fuente, use code
- Para todos los tipos de trabajo, se ha cambiado el esquema para definir entradas de datos al trabajo en el YAML de trabajo. En lugar de especificar la ruta de acceso de datos mediante los campos file o folder, use el campo path para especificar una ruta de acceso local, un URI para una ruta de acceso a la nube que contiene los datos o una referencia a un recurso de datos de Azure Machine Learning registrado existente a través de path: azureml:<data_name>:<data_version>. Especifique también el campo type para aclarar si el origen de datos es un único archivo (uri_file) o una carpeta (uri_folder). Si se omite el campo type, el valor predeterminado es type: uri_folder. Para obtener más información, vea la sección de cualquiera de las referencias de YAML de trabajo que analizan el esquema para especificar los datos de entrada.
- En el esquema YAML de trabajo de limpieza, se ha cambiado el campo sampling_algorithm de una cadena a un objeto para admitir más configuraciones para el tipo de algoritmo de muestreo aleatorio
- Se ha quitado el esquema YAML de trabajo de componente. Con esta versión, si desea ejecutar un trabajo de comando dentro de una canalización que usa un componente, solo tiene que especificar el componente en el campo component de la definición de YAML de trabajo de comando.
- Para todos los tipos de trabajo, se ha agregado compatibilidad para hacer referencia a la versión más reciente de un recurso anidado en la configuración de YAML de trabajo. Al hacer referencia a un entorno registrado o a un recurso de datos para usarlo como entrada en un trabajo, puede crear un alias por la versión más reciente en lugar de tener que especificar explícitamente la versión. Por ejemplo: environment: azureml:AzureML-Minimal@latest
- Para los trabajos de canalización, se introdujo el contexto ${{ parent }} para enlazar entradas y salidas entre los pasos de una canalización. Para obtener más información, vea Sintaxis de expresión para enlazar entradas y salidas entre los pasos de un trabajo de canalización.
- Se ha agregado compatibilidad para descargar salidas con nombre del trabajo a través del argumento --output-name para el comando az ml job download
az ml data
- Ha quedado en desuso el subgrupo az ml dataset y ahora usa az ml data en su lugar
- Ahora se pueden crear dos tipos de datos, ya sea desde un único origen de archivo (type: uri_file) o desde una carpeta (type: uri_folder). Al crear el recurso de datos, puede especificar el origen de datos desde un archivo o carpeta local o desde un URI a una ubicación de ruta de acceso a la nube. Consulte el esquema YAML de datos para ver el esquema completo
az ml environment
- En el esquema YAML de entorno, se ha cambiado el nombre del campo build.local_path a build.path
- Se ha quitado el campo build.context_uri y se podrá acceder al URI de la ubicación del contexto de compilación cargado a través de build.path cuando se devuelva el entorno
az ml model
- En el esquema YAML de modelo, los campos model_uri y local_path se han quitado y consolidado en un campo path que puede tomar una ruta de acceso local o un URI de ruta de acceso de nube. Se ha cambiado el nombre del campo model_format a type; el tipo predeterminado es custom_model, pero puede especificar uno de los otros tipos (mlflow_model, triton_model) para usar el modelo en escenarios de implementación sin código
- Se han quitado los argumentos az ml model create, --model-uri y --local-path, y se consolidaron en un argumento --path que puede tomar una ruta de acceso local o un URI de ruta de acceso a la nube
- Se ha agregado el comando az ml model download para descargar los archivos de artefacto de un modelo
az ml online-deployment
- En el esquema YAML de implementación en línea, se ha aplanado la sección code del campo code_configuration. En lugar de especificar la ruta de acceso al directorio de código fuente que contiene los archivos de code_configuration.code.local_path puntuación, use code_configuration.code
- Se ha agregado un campo environment_variables al esquema YAML de implementación en línea para admitir la configuración de variables de entorno para una implementación en línea
az ml batch-deployment
- En el esquema YAML de implementación en lote, se ha aplanado la sección code del campo code_configuration. En lugar de especificar la ruta de acceso al directorio de código fuente que contiene los archivos de code_configuration.code.local_path puntuación, use code_configuration.code
az ml component
- Se ha aplanado la sección code del esquema YAML del componente de comandos. En lugar de especificar la ruta de code.local_path acceso al directorio de código fuente, use code
- Se ha agregado compatibilidad para hacer referencia a la versión más reciente de un entorno registrado que se usará en la configuración de YAML de componente. Al hacer referencia a un entorno registrado, puede crear un alias por la versión más reciente en lugar de tener que especificar explícitamente la versión. Por ejemplo: environment: azureml:AzureML-Minimal@latest
- Se ha cambiado el nombre del valor del tipo de entrada y salida de componente de path a uri_folder campo type al definir una entrada o salida de componente
Se han quitado los comandos delete de los recursos (modelo, componente, datos, entorno). La funcionalidad de eliminación existente es solo una eliminación temporal, por lo que los comandos delete se volverán a ejecutar en una versión posterior una vez que se admita la eliminación permanente.
Se ha agregado compatibilidad para archivar y restaurar recursos (modelo, componente, datos, entorno) y trabajos, por ejemplo, az ml model archive y az ml model restore. Ahora puede archivar recursos y trabajos, que ocultan la entidad archivada de las consultas de lista (por ejemplo, az ml model list).

2021-10-04

CLI de Azure Machine Learning (v2) v2.0.2

az ml workspace
- Se ha actualizado el Esquema YAML del área de trabajo
az ml compute
- Se han actualizado los esquemas YAML de AmlCompute e Instancia de proceso
- Se ha eliminado la compatibilidad con la asociación de AKS heredada mediante az ml compute attach. La asociación de Kubernetes habilitada para Azure Arc se va a admitir en la próxima versión
az ml datastore
- Se han actualizado los esquemas YAML de los almacenes de datos de Azure Blob, Azure File, Azure Data Lake Gen1 y Azure Data Lake Gen2
- Se ha agregado compatibilidad con la creación de almacenes de datos de Azure Data Lake Storage Gen1 y Gen2
az ml job
- Se han actualizado los esquemas YAML del trabajo de comando y el trabajo de barrido
- Se ha agregado compatibilidad con la ejecución de trabajos de canalización (esquema YAML de trabajo de canalización)
- Se ha agregado compatibilidad con los literales de entrada de trabajo y los URI de datos de entrada de todos los tipos de trabajo
- Se ha agregado compatibilidad con las salidas de trabajo de todos los tipos de trabajo
- Se ha modificado la sintaxis de expresión de { <expression> } a ${{ <expression> }}. Para obtener más información, consulte Sintaxis de expresión para configurar trabajos de Azure Machine Learning
az ml environment
- Se ha actualizado el Esquema YAML del entorno
- Se ha agregado compatibilidad con la creación de entornos a partir del contexto de compilación de Docker
az ml model
- Se ha actualizado el Esquema YAML del modelo
- Se ha agregado una nueva propiedad model_format al modelo para escenarios de implementación sin código
az ml dataset
- Se ha cambiado el nombre del subgrupo az ml data a az ml dataset
- Se ha actualizado el Esquema YAML del conjunto de datos
az ml component
- Se han agregado los comandos az ml component para administrar los componentes de Azure Machine Learning.
- Se ha agregado compatibilidad con los componentes de comando (esquema YAML del componente de comando)
az ml online-endpoint
- El subgrupo az ml endpoint se ha dividido en dos grupos independientes: az ml online-endpoint y az ml batch-endpoint
- Se ha actualizado el Esquema de YAML de punto de conexión en línea
- Se ha agregado compatibilidad con los puntos de conexión locales en escenarios de desarrollo y prueba
- Se ha agregado compatibilidad interactiva de depuración de VS Code con los puntos de conexión locales (se ha agregado la marca --vscode-debug a az ml batch-endpoint create/update)
az ml online-deployment
- El subgrupo az ml deployment se ha dividido en dos grupos independientes: az ml online-deployment y az ml batch-deployment
- Se ha actualizado el Esquema YAML de implementación en línea administrada
- Se ha agregado compatibilidad de escalabilidad automática mediante la integración con la escalabilidad automática de Azure Monitor
- Se ha agregado compatibilidad con la actualización de varias propiedades de implementación en línea en la misma operación de actualización
- Se ha agregado compatibilidad con la realización de operaciones simultáneas en implementaciones en el mismo punto de conexión
az ml batch-endpoint
- El subgrupo az ml endpoint se ha dividido en dos grupos independientes: az ml online-endpoint y az ml batch-endpoint
- Se ha actualizado el Esquema YAML de punto de conexión por lotes
- Se ha quitado la propiedad traffic; se ha reemplazado por una propiedad de implementación predeterminada configurable
- Se ha agregado compatibilidad con los URI de datos de entrada para az ml batch-endpoint invoke
- Se ha agregado compatibilidad con la entrada de red virtual (private link)
az ml batch-deployment
- El subgrupo az ml deployment se ha dividido en dos grupos independientes: az ml online-deployment y az ml batch-deployment
- Se ha actualizado el Esquema YAML de implementación por lotes

25 de mayo de 2021

Anuncio de la CLI (v2) para Azure Machine Learning

La extensión ml de la CLI de Azure es la interfaz de próxima generación de Azure Machine Learning. Permite entrenar e implementar modelos desde la línea de comandos, e incluye características que aceleran el escalado vertical y horizontal de la ciencia de datos al tiempo que se hace un seguimiento del ciclo de vida del modelo. Instalación e introducción.

Comentarios

¿Le ha resultado útil esta página?

Se actualizó por última vez el 2024-12-17