2.0 CLI 설치, 설정 및 사용(미리 보기)

Azure CLI에 대한 ml 확장(미리 보기)은 Azure Machine Learning을 위한 향상된 인터페이스입니다. 이를 통해 모델 수명 주기를 추적하는 동안 데이터 과학 확장을 가속화하는 기능을 사용하여 명령줄에서 모델을 학습하고 배포할 수 있습니다.

중요

이 기능은 현재 공개 미리 보기로 제공됩니다. 이 미리 보기 버전은 서비스 수준 계약 없이 제공되며 프로덕션 워크로드에는 사용하지 않는 것이 좋습니다. 특정 기능이 지원되지 않거나 기능이 제한될 수 있습니다. 자세한 내용은 Microsoft Azure Preview에 대한 추가 사용 약관을 참조하세요.

사전 요구 사항

  • CLI를 사용하려면 Azure 구독이 있어야 합니다. Azure 구독이 없는 경우 시작하기 전에 체험 계정을 만듭니다. 지금 Azure Machine Learning 평가판 또는 유료 버전을 사용해 보세요.

  • 로컬 환경 에서 이 문서의 CLI 명령을 사용하려면 Azure CLI가 필요합니다.

    Azure Cloud Shell을 사용하는 경우 CLI는 브라우저를 통해 액세스하고 클라우드에 있습니다.

설치

새 Machine Learning 확장에는 Azure CLI 버전이 필요>=2.15.0 합니다. 다음 요구 사항이 충족되는지 확인합니다.

az version

그렇지 않으면 Azure CLI를 업그레이드합니다.

설치한 Azure CLI 확장을 확인합니다.

az extension list

azure-cli-ml 확장을 포함하여 ml 네임스페이스를 사용하는 충돌 확장이 설치되어 있지 않은지 확인합니다.

az extension remove -n azure-cli-ml
az extension remove -n ml

이제 ml 확장을 설치합니다.

az extension add -n ml -y

도움말 명령을 실행하여 설치를 확인하고 사용 가능한 하위 명령을 확인합니다.

az ml -h

확장을 최신 버전으로 업그레이드할 수 있습니다.

az extension update -n ml

설정

로그인:

az login

여러 Azure 구독에 대한 액세스 권한이 있는 경우 활성 구독을 설정할 수 있습니다.

az account set -s "<YOUR_SUBSCRIPTION_NAME_OR_ID>"

Azure 리소스 그룹이 아직 없는 경우 만들 수 있습니다.

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

기계 학습 하위 명령에는 --workspace/-w--resource-group/-g 매개 변수가 필요합니다. 반복적으로 입력하지 않으려면 기본값을 구성합니다.

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

대부분의 코드 예제에서는 기본 작업 영역 및 리소스 그룹을 설정했다고 가정합니다. 명령줄에서 이러한 항목을 재정의할 수 있습니다.

이제 기계 학습 작업 영역을 만듭니다.

az ml workspace create

Hello World

이를 수행하려면 예제 리포지토리를 복제하고 cli 하위 디렉터리로 변경합니다.

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

Python을 통해 로컬로 hello world를 실행하려면 jobs 하위 디렉터리의 예를 참조하세요.

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

중요

Docker는 로컬에서 설치하고 실행해야 합니다.

작업을 제출하고, 로그를 콘솔 출력으로 스트리밍하고, Azure Machine Learning 스튜디오에서 실행을 엽니다.

az ml job create -f jobs/hello-world.yml --web --stream

중요

Docker 이미지를 로컬로 끌어와서 Azure ML 작업이 실행되기 때문에 처음 실행하는 데 몇 분 정도 걸릴 수 있습니다. 후속 실행은 이미지를 로컬로 캐시하고 더 빠르게 완료할 수 있습니다.

다음 단계