Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
L'interfaccia della riga di comando del runtime di intelligenza artificiale è in versione beta.
Installare la air CLI con uv e autenticarla con un workspace Databricks usando un profilo Databricks CLI. L'interfaccia della riga di comando richiede Python 3.10 o versione successiva.
Requirements
- Python 3.10 o versione successiva.
- Un'area di lavoro di Databricks con runtime di intelligenza artificiale abilitata. Vedere Requisiti.
- La Databricks CLI, che gestisce i profili di autenticazione in
~/.databrickscfg.
Installare la CLI
Databricks consiglia di installare la CLI con uv:
uv tool install --force databricks-air --python 3.12
uv tool install inserisce air nel proprio ambiente isolato e lo espone nel PATH, quindi non è in conflitto con l'interprete Python usato per il codice di training.
--python 3.12 è consigliato ma facoltativo. Se non si specifica la versione Python, uv usa la versione disponibile più recente che soddisfa il vincolo di Python del pacchetto.
Se non si dispone già di uv, installarlo per primo:
curl -LsSf https://astral.sh/uv/install.sh | sh
Verificare l'installazione:
air --version
air --help
Authenticate
L'interfaccia della riga di comando di Ai Runtime riutilizza i profili di autenticazione dell'interfaccia della riga di comando di Databricks. Accedere all'area di lavoro e denominare il profilo quando richiesto:
databricks auth login --host https://<your-workspace>.cloud.databricks.com
Passa il nome del profilo a un qualsiasi comando air con -p. Per esempio:
air list runs -p my-workspace
In alternativa, impostare DATABRICKS_CONFIG_PROFILE nella shell per impostare un profilo come predefinito:
export DATABRICKS_CONFIG_PROFILE=my-workspace
Per tutte le opzioni di autenticazione, vedere Autenticazione per l'interfaccia della riga di comando di Databricks.
Risorse aggiuntive
Dopo l'installazione, definisci i carichi di lavoro in una configurazione train.yaml con dipendenze in linea. Iniziare con la guida introduttiva, quindi usare il riferimento YAML durante la compilazione della configurazione: