Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Important
Эта функция доступна в общедоступной предварительной версии.
Установите air CLI с помощью uv и настройте аутентификацию для него в рабочей области Databricks с помощью профиля Databricks CLI. Для интерфейса командной строки требуется Python 3.10 или более поздней версии.
Requirements
- Python 3.10 или более поздней версии.
- Рабочая область Databricks с включенной функцией AI Runtime. См. раздел Требования.
-
Интерфейс командной строки Databricks, который управляет профилями проверки подлинности в
~/.databrickscfg.
Установка CLI
Databricks рекомендует устанавливать CLI с помощью uv:
uv tool install --force databricks-air --python 3.12
uv tool install помещает air в собственную изолированную среду и делает его доступным на вашем PATH, поэтому он не конфликтует с интерпретатором Python, который вы используете для своего обучающего кода.
--python 3.12 рекомендуется, но необязательно. Если не указать версию Python, uv использует последнюю доступную версию, которая удовлетворяет ограничению Python пакета.
Если у вас еще нет uv, сначала установите его:
curl -LsSf https://astral.sh/uv/install.sh | sh
Проверьте установку:
air --version
air --help
Authenticate
Интерфейс командной строки AI Runtime использует те же профили аутентификации, что и Databricks CLI. Войдите в рабочее пространство и, когда появится запрос, задайте имя профиля:
databricks auth login --host https://<your-workspace>.cloud.databricks.com
Передайте имя профиля любой команде air с помощью -p. Рассмотрим пример.
air list runs -p my-workspace
Или задайте DATABRICKS_CONFIG_PROFILE в командной оболочке, чтобы сделать профиль используемым по умолчанию:
export DATABRICKS_CONFIG_PROFILE=my-workspace
Все параметры проверки подлинности см. в разделе "Проверка подлинности" для интерфейса командной строки Databricks.
Дополнительные ресурсы
После установки определите рабочие нагрузки в train.yaml конфигурации со встроенными зависимостями. Начните с краткого руководства по началу работы, а затем используйте справочник по YAML по мере настройки конфигурации: