Exploración de la CLI
Importante
El contenido de esta unidad solo se refiere a la versión 2 de la CLI. Obtenga más información sobre cómo decidirse entre la versión 1 y la versión 2.
Otro enfoque basado en código para interactuar con el área de trabajo de Azure Machine Learning es la interfaz de la línea de comandos (CLI). Como científico de datos, es posible que no trabaje con la CLI tanto como lo hace con Python. Los administradores e ingenieros suelen usar la CLI de Azure para automatizar tareas en Azure.
Hay muchas ventajas en el uso de la CLI de Azure con Azure Machine Learning. La CLI de Azure le permite:
- Automatizar la creación y configuración de activos y recursos para que sean repetibles
- Garantizar la coherencia de activos y recursos que se deben replicar en varios entornos (por ejemplo, desarrollo, prueba y producción)
- Incorporar la configuración de activos de aprendizaje automático en flujos de trabajo de operaciones de desarrollador (DevOps), como las canalizaciones de integración continua e implementación continua (CI/CD).
Para interactuar con el área de trabajo de Azure Machine Learning mediante la CLI de Azure, deberá instalar la CLI de Azure y la extensión de Azure Machine Learning.
Instalación de la CLI de Azure
Puede instalar la CLI de Azure en un equipo Linux, Mac o Windows. Con la CLI de Azure, podrá ejecutar comandos o scripts para administrar los recursos de Azure. También puede usar la CLI de Azure desde un explorador mediante Azure Cloud Shell. Independientemente de la plataforma que elija, puede ejecutar las mismas tareas. Sin embargo, la instalación de la CLI de Azure, los comandos y los scripts son diferentes según la plataforma.
Importante
Para instalar la CLI de Azure en el equipo, puede usar un administrador de paquetes. Estas son las instrucciones para instalar la CLI de Azure, en función de la plataforma que elija. No es necesario instalar la CLI de Azure si usa Azure Cloud Shell. Más información sobre cómo usar Azure Cloud Shell en esta introducción.
Instalación de la extensión de Azure Machine Learning
Después de instalar la CLI de Azure o configurar Azure Cloud Shell, debe instalar la extensión de Azure Machine Learning para administrar los recursos de Azure Machine Learning mediante la CLI de Azure.
Puede instalar la extensión Azure Machine Learning ml con el siguiente comando:
az extension add -n ml -y
Luego, puede ejecutar el comando de ayuda -h para comprobar que la extensión está instalada y obtener una lista de comandos disponibles con esta extensión. La lista proporciona información general sobre las tareas que puede ejecutar con la extensión CLI de Azure para Azure Machine Learning:
az ml -h
Trabajo con la CLI de Azure
Si desea usar la CLI de Azure para interactuar con el área de trabajo de Azure Machine Learning, usará comandos. Cada comando tiene el prefijo az ml. Puede encontrar la lista de comandos en la documentación de referencia de la CLI.
Por ejemplo, para crear un destino de proceso, puede usar este comando:
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
Para explorar todos los parámetros posibles que puede usar con un comando, puede revisar la documentación de referencia del comando específico.
A medida que defina los parámetros de un activo o recurso que desea crear, es posible que prefiera usar archivos YAML para definir la configuración en su lugar. Al almacenar todos los valores de parámetro en un archivo YAML, resulta más fácil organizar las tareas y automatizarlas.
Por ejemplo, también puede crear el mismo destino de proceso al definir primero la configuración en un archivo YAML:
$schema: https://azuremlschemas.azureedge.net/latest/amlCompute.schema.json
name: aml-cluster
type: amlcompute
size: STANDARD_DS3_v2
min_instances: 0
max_instances: 5
Todos los parámetros posibles que puede incluir en el archivo YAML se pueden encontrar en la documentación de referencia del activo o recurso específico que desea crear como un clúster de proceso.
Al guardar el archivo YAML como compute.yml, puede crear el destino de proceso con este comando:
az ml compute create --file compute.yml --resource-group my-resource-group --workspace-name my-workspace
Puede encontrar información general de todos los esquemas de YAML en la documentación de referencia.
Sugerencia
Obtenga más información sobre cómo usar la CLI (v2) con Azure Machine Learning para entrenar modelos.