在 Azure Machine Learning 中使用 CLI v1 建立和使用軟體環境
在本文中,您將了解如何使用 CLI v1 建立和管理 Azure Machine Learning 環境。 隨著專案發展,使用環境來追蹤及重現專案的軟體相依性。 Azure Machine Learning CLIv1 可反映 Python SDK v1 的大部分功能。 您可以使用它來建立和管理環境。
軟體相依性管理是開發人員的常見工作。 您想要確保組建可重現,而且不需要大量的手動軟體設定。 Azure Machine Learning 的 Environment
類別會說明本機開發解決方案的用途,例如 pip 和 Conda,以及透過 Docker 功能來進行的分散式雲端開發。
如需 Azure Machine Learning 中環境運作方式的高階概觀,請參閱 什麼是 ML 環境?如需在 Azure Machine Learning Studio 中管理環境的資訊,請參閱 在 Studio 中管理環境。 如需設定開發環境的相關資訊,請參閱 設定 Azure Machine Learning 的 Python 開發環境。
必要條件
重要
本文中的 Azure CLI 命令使用 azure-cli-ml
或 v1 (Azure Machine Learning 的擴充功能)。 v1 擴充功能的支援將於 2025 年 9 月 30 日終止。 您將能安裝並使用 v1 擴充功能,直到該日期為止。
建議您在 2025 年 9 月 30 日之前轉換至 ml
或 v2 擴充功能。 如需有關 v2 擴充功能的詳細資訊,請參閱 Azure ML CLI 擴充功能和 Python SDK v2。
Scaffold 環境
下列命令會在指定的目錄中針對預設環境定義的檔案建立架構。 這些檔案是 JSON 檔案。 其運作方式類似於 SDK 中的對應類別。 您可以使用這些檔案來建立具有自訂設定的新環境。
az ml environment scaffold -n myenv -d myenvdir
註冊環境
執行下列命令,可從指定目錄註冊環境:
az ml environment register -d myenvdir
列出環境
執行下列命令,可列出所有已註冊的環境:
az ml environment list
下載環境
若要下載已註冊的環境,請使用下列命令:
az ml environment download -n myenv -d downloaddir
下一步
- 擁有定型的模型之後,請了解部署模型的方式和位置。
- 檢視
Environment
類別 SDK 參考。
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應