AI Runtime CLI

Important

Deze functie bevindt zich in openbare preview-versie.

De air opdrachtregelinterface verzendt en beheert gedistribueerde trainingsworkloads op AI Runtime, het serverloze GPU-rekenplatform op aanvraag. De CLI maakt gebruik van taakconfiguratie op basis van YAML, kan worden geïntegreerd met MLflow en biedt ondersteuning voor op werkruimte gebaseerde en git-codewerkstromen.

air CLI voldoet aan dezelfde nalevingsstandaarden als AI Runtime. Zie nalevingsbeveiligingsprofiel voor de ondersteunde standaarden en uitzonderingen.

Wanneer gebruikt u de CLI?

Gebruik de AI Runtime CLI als u het volgende wilt doen:

• Verzend GPU-trainingsworkloads vanaf uw laptop en code-editor zonder een notebook te openen.
• Definieer declaratief trainingstaken in YAML, zodat ze kunnen worden ingecheckt bij broncodebeheer.
• Langlopende trainingstaken of gedistribueerde training met meerdere knooppunten uitvoeren: workloads die een interactieve sessie moeten overleven of meer dan één knooppunt moeten omvatten.

Zie voor de Python-API in notebooks (@distributed en @ray_launch) in plaats daarvan Gedistribueerde training in notebooks.

Als u interactief wilt werken op één GPU-knooppunt via SSH, vanuit uw terminal of IDE, in plaats van een workload in te dienen, gebruikt u databricks ssh connect. Zie Verbinding maken met Databricks met behulp van een SSH-tunnel.

In deze sectie

• De AI Runtime CLI installeren
• Snelstartgids voor AI Runtime CLI
• Naslagwerk voor AI Runtime CLI-opdrachten
• YAML-verwijzing voor workload
• Runs bijhouden met MLflow en de pagina voor taakuitvoeringen
• Aangepaste Docker-installatiekopieën gebruiken
• Voorbeelden van AI Runtime CLI