Erkunden der CLI

  • 8 Minuten

Wichtig

Der Inhalt in dieser Lerneinheit deckt nur Version 2 der CLI ab. Eine Entscheidungshilfe zur Auswahl zwischen Version 1 und Version 2 finden Sie hier.

Ein weiterer codebasierter Ansatz für die Interaktion mit dem Azure Machine Learning-Arbeitsbereich ist die Befehlszeilenschnittstelle (CLI). Als wissenschaftliche Fachkraft für Daten arbeiten Sie möglicherweise nicht so sehr mit der CLI wie mit Python. Die Azure CLI wird häufig von Administratoren und Technikern verwendet, um Aufgaben in Azure zu automatisieren.

Die Verwendung der Azure CLI mit Azure Machine Learning bietet viele Vorteile. Die Azure CLI ermöglicht Folgendes:

  • Automatisieren der Erstellung und Konfiguration von Objekten und Ressourcen, um sie wiederholbar zu machen.
  • Gewährleisten von Konsistenz für Objekte und Ressourcen, die in mehreren Umgebungen repliziert werden müssen (z. B. in Entwicklung-, Test- und Produktionsumgebungen).
  • Sie können die Konfiguration von Machine Learning-Objekten in Workflows für Entwicklervorgänge (DevOps) einfügen, z. B. CI/CD-Pipelines (Continuous Integration und Continuous Deployment).

Um mit dem Azure Machine Learning-Arbeitsbereich über die Azure CLI zu interagieren, müssen Sie die Azure CLI und die Azure Machine Learning-Erweiterung installieren.

Installieren der Azure CLI

Sie können die Azure CLI auf einem Linux-, Mac- oder Windows-Computer installieren. Mit der Azure CLI führen Sie Befehle oder Skripts aus, um Azure-Ressourcen zu verwalten. Sie können die Azure CLI auch von einem Browser aus über die Azure Cloud Shell verwenden. Unabhängig davon, welche Plattform Sie wählen, können Sie dieselben Aufgaben ausführen. Die Installation der Azure CLI, die Befehle und Skripts sind jedoch von Plattform zu Plattform unterschiedlich.

Wichtig

Zum Installieren der Azure CLI auf Ihrem Computer können Sie einen Paket-Manager verwenden. Hier finden Sie die Anweisungen zum Installieren der Azure CLI, basierend auf der von Ihnen angegebenen Plattform. Sie brauchen die Azure CLI nicht zu installieren, wenn Sie die Azure Cloud Shell verwenden. Weitere Informationen zur Verwendung der Azure Cloud Shell finden Sie in dieser Übersicht.

Installieren der Azure Machine Learning-Erweiterung

Nachdem Sie die Azure CLI installiert oder die Azure Cloud Shell eingerichtet haben, müssen Sie die Azure Machine Learning-Erweiterung installieren, um die Azure Machine Learning-Ressourcen über die Azure CLI zu verwalten.

Sie können die Azure Machine Learning-Erweiterung ml mit dem folgenden Befehl installieren:

az extension add -n ml -y

Sie können dann den Hilfebefehl -h ausführen, um zu überprüfen, ob die Erweiterung installiert ist, und um eine Liste der mit dieser Erweiterung verfügbaren Befehle zu erhalten. Die Liste bietet einen Überblick über die Aufgaben, die Sie mit der Azure CLI-Erweiterung für Azure Machine Learning ausführen können:

az ml -h

Arbeiten mit Azure CLI

Um die Azure CLI für die Interaktion mit dem Azure Machine Learning-Arbeitsbereich zu verwenden, verwenden Sie Befehle. Jedem Befehl ist das Präfix az ml vorangestellt. Sie finden die Liste der Befehle in der Referenzdokumentation der CLI.

Um beispielsweise ein Computeziel zu erstellen, können Sie den folgenden Befehl verwenden:

az ml compute create --name aml-cluster --size STANDARD_DS3_v2 --min-instances 0 --max-instances 5 --type AmlCompute --resource-group my-resource-group --workspace-name my-workspace

Um alle möglichen Parameter zu untersuchen, die Sie mit einem Befehl verwenden können, können Sie sich die Referenzdokumentation für den spezifischen Befehl ansehen.

Wenn Sie die Parameter für Objekte oder Ressourcen definieren, die Sie erstellen möchten, benutzen Sie vielleicht vorzugsweise YAML-Dateien, um stattdessen die Konfiguration zu definieren. Wenn Sie alle Parameterwerte in einer YAML-Datei speichern, wird es einfacher, Aufgaben zu organisieren und zu automatisieren.

Sie können dasselbe Computeziel beispielsweise auch erstellen, indem Sie zuerst die Konfiguration in einer YAML-Datei definieren:

$schema: https://azuremlschemas.azureedge.net/latest/amlCompute.schema.json 
name: aml-cluster
type: amlcompute
size: STANDARD_DS3_v2
min_instances: 0
max_instances: 5

Alle möglichen Parameter, die Sie in die YAML-Datei einschließen können, finden Sie in der Referenzdokumentation für das bestimmte Objekt oder die bestimmte Ressource, das/die Sie wie einen Computecluster erstellen möchten.

Wenn Sie die YAML-Datei als compute.yml gespeichert haben, können Sie das Computeziel mit dem folgenden Befehl erstellen:

az ml compute create --file compute.yml --resource-group my-resource-group --workspace-name my-workspace

Sie finden eine Übersicht über alle YAML-Schemas in der Referenzdokumentation.

Tipp

Erfahren Sie mehr über die Verwendung der CLI (v2) mit Azure Machine Learning zum Trainieren von Modellen.