Creación y uso de entornos de software en Azure Machine Learning con la CLI v1
SE APLICA A: 
Extensión de ML de la CLI de Azure v1
En este artículo, aprenda a crear y administrar entornos de Azure Machine Learning con la CLI v1. Use los entornos para realizar un seguimiento de las dependencias de software de sus proyectos y reproducirlas a medida que evolucionan. La CLI de Azure Machine Learning refleja la mayor parte de la funcionalidad del SDK de Python v1. Puede usarla para crear y administrar entornos.
La administración de dependencias de software es una tarea común para los desarrolladores. Quiere asegurarse de que las compilaciones se puedan reproducir sin demasiada configuración manual del software. La clase Environment de Azure Machine Learning representa las soluciones para el desarrollo local, como PIP y Conda, y el desarrollo en la nube de Conda y distribuido mediante funcionalidades de Docker.
Para obtener información general sobre cómo funcionan los entornos Azure Machine Learning, cea ¿Qué son los entornos de Azure Machine Learning? Para obtener información sobre cómo administrar entornos en Estudio de Azure Machine Learning, vea Administración de entornos de software en Estudio de Azure Machine Learning. Para obtener información sobre cómo configurar entornos de desarrollo, vea Configuración de un entorno de desarrollo de Python para Azure Machine Learning.
Prerrequisitos
Importante
Algunos de los comandos de la CLI de Azure de este artículo usan la extensión azure-cli-ml o v1 para Azure Machine Learning. La compatibilidad con la extensión v1 finalizará el 30 de septiembre de 2025. La extensión v1 se podrá instalar y usar hasta esa fecha.
Se recomienda pasar a la extensión ml, o v2, antes del 30 de septiembre de 2025. Para más información sobre la extensión v2, consulte Extensión de la CLI de Azure ML y SDK de Python v2.
Aplicación de scaffolding a un entorno
El siguiente comando aplica la técnica scaffolding a los archivos para una definición de entorno predeterminada en el directorio especificado. Estos archivos son archivos JSON. Funcionan como la clase correspondiente en el SDK. Puede usar los archivos para crear nuevos entornos que tengan una configuración personalizada.
az ml environment scaffold -n myenv -d myenvdir
Registro de un entorno
Ejecute el siguiente comando para registrar un entorno desde un directorio especificado:
az ml environment register -d myenvdir
Enumeración de entornos
Ejecute el comando siguiente para enumerar todos los entornos registrados:
az ml environment list
Descarga de un entorno
Para descargar un entorno registrado, use el siguiente comando:
az ml environment download -n myenv -d downloaddir
Pasos siguientes
- Después de tener un modelo entrenado, aprenda cómo y dónde implementar los modelos.
- Consulte la referencia de SDK de la clase
Environment.