Instalación, configuración y uso de la CLI 2.0 (versión preliminar)

La extensión ml de la CLI de Azure es la interfaz de última generación de Azure Machine Learning. Permite entrenar e implementar modelos desde la línea de comandos, e incluye características que aceleran el escalado vertical y horizontal de la ciencia de datos al tiempo que se hace un seguimiento del ciclo de vida del modelo.

Importante

Esta característica actualmente está en su versión preliminar pública. Esta versión preliminar se ofrece sin Acuerdo de Nivel de Servicio y no se recomienda para cargas de trabajo de producción. Es posible que algunas características no sean compatibles o que tengan sus funcionalidades limitadas. Para más información, consulte Términos de uso complementarios de las Versiones Preliminares de Microsoft Azure.

Requisitos previos

  • Para usar la CLI, debe tener una suscripción de Azure. Si no tiene una suscripción de Azure, cree una cuenta gratuita antes de empezar. Pruebe hoy mismo la versión gratuita o de pago de Azure Machine Learning.

  • Para usar los comandos de la CLI de este documento desde su entorno local, necesita la CLI de Azure.

    Sugerencia

    Si usa el Azure Cloud Shell, la CLI es accesible a través del explorador y reside en la nube.

Instalación

La nueva extensión para Machine Learning requiere la versión >=2.15.0 de la CLI de Azure. Asegúrese de que se cumple este requisito:

az version

Si no es así, actualice la CLI de Azure.

Compruebe las extensiones de la CLI de Azure que ha instalado:

Asegúrese de que no haya instalada ninguna extensión en conflicto con el espacio de nombres ml, incluida la extensión azure-cli-ml:

Ahora, instale la extensión ml:

az extension add -n ml -y

Ejecute el comando de ayuda para comprobar la instalación y comprobar los subcomandos disponibles:

Puede actualizar la extensión a la versión más reciente:

Configuración

Inicio de sesión:

az login

Si tiene acceso a varias suscripciones de Azure, puede establecer la suscripción de Azure.

Si aún no existe, cree el grupo de recursos de Azure:

az group create -n "azureml-examples-rg" -l "eastus"

Los subcomandos de Machine Learning requieren los parámetros --workspace/-w y --resource-group/-g. Para evitar escribirlos repetidamente, configure los valores predeterminados:

az configure --defaults group="azureml-examples-rg" workspace="main"

Sugerencia

La mayoría de los ejemplos de código suponen que ha establecido un área de trabajo y un grupo de recursos predeterminados. Puede invalidar estos valores en la línea de comandos.

Ahora cree un área de trabajo de aprendizaje automático:

az ml workspace create

Hola a todos

Para seguir, clone los ejemplos del repositorio y cambie al subdirectorio cli:

git clone https://github.com/Azure/azureml-examples --depth 1
cd azureml-examples/cli

Para ejecutar "Hola mundo" localmente mediante Python, consulte el ejemplo del subdirectorio jobs:

command: python -c "print('hello world')"
environment:
  docker:
    image: docker.io/python
compute:
  target: local

Importante

Docker debe instalarse y ejecutarse localmente.

Envíe el trabajo, transmita los registros a la salida de la consola y abra la ejecución en Estudio de Azure Machine Learning:

Importante

Esto puede tardar unos minutos en ejecutarse la primera vez, ya que la imagen de Docker se extrae localmente y se ejecuta el trabajo de Azure ML. Las ejecuciones posteriores tendrán la imagen copiada en caché localmente y se completarán más rápido.

Pasos siguientes