Szoftverkörnyezetek létrehozása és használata az Azure Machine Tanulás cli v1 használatával
A KÖVETKEZŐre vonatkozik: Azure CLI ml-bővítmény 1-es verzió
Ebből a cikkből megtudhatja, hogyan hozhat létre és kezelhet Azure Machine-Tanulás környezeteket a CLI 1-ben. A környezetekkel nyomon követheti és reprodukálhatja a projektek szoftverfüggőségeit a fejlődésük során. Az Azure Machine Tanulás CLI v1 a Python SDK v1 funkcióinak többségét tükrözi. Használatával környezeteket hozhat létre és kezelhet.
A szoftverfüggőségek kezelése gyakori fejlesztői feladat. A cél, hogy biztosítható legyen a buildek reprodukálhatósága hosszas manuális szoftverkonfigurálás nélkül. Az Azure Machine Tanulás Environment
osztály a helyi fejlesztési megoldásokhoz, például a Piphez és a Condához, valamint a Docker képességeivel elosztott felhőfejlesztéshez tartozik.
Az Azure Machine Tanulás környezeteinek működésének magas szintű áttekintéséért lásd: Mik azok az ML-környezetek? Az Azure Machine Tanulás Studióban lévő környezetek kezelésével kapcsolatos információkért lásd: Környezetek kezelése a studióban. A fejlesztői környezetek konfigurálásáról további információt az Azure Machine Tanulás Python-fejlesztési környezetének beállítása című témakörben talál.
Előfeltételek
Fontos
A cikkben szereplő Azure CLI-parancsok némelyike az azure-cli-ml
Azure Machine Tanulás vagy v1 bővítményét használja. A v1-bővítmény támogatása 2025. szeptember 30-án megszűnik. Addig a dátumig telepítheti és használhatja a v1-bővítményt.
Javasoljuk, hogy 2025. szeptember 30-a előtt váltsa át a ml
(vagy v2) bővítményt. További információ a v2-es bővítményről: Azure ML CLI-bővítmény és Python SDK v2.
Környezet állványzata
Az alábbi parancs egy alapértelmezett környezetdefiníció fájljait ássa ki a megadott könyvtárban. Ezek a fájlok JSON-fájlok. Az SDK megfelelő osztályához hasonlóan működnek. A fájlokkal új, egyéni beállításokkal rendelkező környezeteket hozhat létre.
az ml environment scaffold -n myenv -d myenvdir
Környezet regisztrálása
Futtassa a következő parancsot egy adott könyvtár környezetének regisztrálásához:
az ml environment register -d myenvdir
Környezetek listája
Futtassa a következő parancsot az összes regisztrált környezet listázásához:
az ml environment list
Környezet letöltése
Regisztrált környezet letöltéséhez használja a következő parancsot:
az ml environment download -n myenv -d downloaddir
További lépések
- A betanított modell után megtudhatja , hogyan és hol helyezhet üzembe modelleket.
- Tekintse meg az
Environment
osztály SDK-referenciáját.