Instale, instale e utilize o 2.0 CLI (pré-visualização)

A ml extensão (pré-visualização) ao Azure CLI é a interface melhorada para a Azure Machine Learning. Permite-lhe treinar e implementar modelos a partir da linha de comando, com funcionalidades que aceleram a escala da ciência dos dados para cima e para fora enquanto rastreia o ciclo de vida do modelo.

Importante

Esta funcionalidade encontra-se atualmente em visualização pública. Esta versão de pré-visualização é disponibiliza sem um contrato de nível de serviço e não é recomendada para cargas de trabalho de produção. Algumas funcionalidades poderão não ser suportadas ou poderão ter capacidades limitadas. Para obter mais informações, veja Termos Suplementares de Utilização para Pré-visualizações do Microsoft Azure.

Pré-requisitos

  • Para utilizar o CLI, tem de ter uma assinatura Azure. Se não tiver uma subscrição do Azure, crie uma conta gratuita antes de começar. Experimente hoje a versão gratuita ou paga do Azure Machine Learning.

  • Para utilizar os comandos CLI neste documento a partir do seu ambiente local, necessita do Azure CLI.

    Dica

    Se utilizar o Azure Cloud Shell,o CLI é acedido através do navegador e vive na nuvem.

Instalação

A nova extensão de Machine Learning requer a versão >=2.15.0 Azure CLI. Certifique-se de que este requisito é cumprido:

az version

Se não for, atualize o seu Azure CLI.

Verifique as extensões Azure CLI que instalou:

az extension list

Certifique-se de que não está instalada nenhuma extensão conflituosa utilizando o ml espaço de identificação, incluindo a azure-cli-ml extensão:

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

Agora, instale a ml extensão:

az extension add -n ml

Executar o comando de ajuda para verificar a sua instalação e ver subcommandes disponíveis:

az ml -h

Pode atualizar a extensão para a versão mais recente:

az extension update -n ml

Configurar

Sessão Sessão:

az login

Se tiver acesso a várias subscrições do Azure, pode definir a sua subscrição ativa:

az account set -s "<YOUR_SUBSCRIPTION_NAME_OR_ID>"

Se já não existir, pode criar o grupo de recursos Azure:

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

Subcommandes de aprendizagem automática requerem os --workspace/-w --resource-group/-g parâmetros e parâmetros. Para evitar dactilografia repetidamente, configurar os predefinições:

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

Dica

A maioria dos exemplos de código supõe que definiu um espaço de trabalho predefinido e um grupo de recursos. Pode anular isto na linha de comando.

Agora crie o espaço de trabalho de aprendizagem automática:

az ml workspace create

Hello world

Para acompanhar, clone os exemplos do repositório e mude para o cli subdiretório:

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

Para correr o mundo abaixo localmente via Python, veja o exemplo na jobs subdiretória:

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

Importante

O Docker tem de ser instalado e a funcionar localmente.

Submeta o trabalho, transmitindo os registos para a saída da consola e abrindo a execução no estúdio Azure Machine Learning:

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

Importante

Isto pode levar alguns minutos a correr pela primeira vez, uma vez que a imagem do Docker é puxada localmente e o trabalho do Azure ML é executado. As execuções subsequentes terão a imagem em cache localmente e completam-se mais rapidamente.

Passos seguintes