Créer et utiliser des environnements logiciels dans Azure Machine Learning avec CLI v1
S’APPLIQUE À : 
Extension ml Azure CLI v1
Cet article explique comment créer et gérer des environnements Azure Machine Learning à l’aide de CLI v1. Utilisez les environnements pour assurer le suivi et la reproduction des dépendances logicielles de vos projets au fil de leur évolution. La version v1 de l’interface CLI Azure Machine Learning reflète la plupart des fonctionnalités du SDK Python v1. Vous pouvez l'utiliser pour créer et gérer des environnements.
La gestion des dépendances logicielles est une tâche courante pour les développeurs. Vous souhaitez bénéficier de builds reproductibles et limiter les tâches manuelles de configuration logicielle. La classe Azure Machine Learning Environment s'applique aux solutions de développement local telles que pip et Conda, et au développement cloud distribué via les fonctionnalités Docker.
Pour obtenir une vue d’ensemble générale du fonctionnement des environnements dans Azure Machine Learning, consultez Que sont les environnements ML ? pour plus d’informations sur la gestion des environnements dans Azure Machine Learning studio, consultez Gérer les environnements dans le studio. Pour plus d’informations sur la configuration des environnements de développement, consultez Configurer un environnement de développement Python pour Azure Machine Learning.
Prérequis
Important
Certaines des commandes Azure CLI de cet article utilisent l’extension azure-cli-ml, ou v1, pour Azure Machine Learning. La prise en charge de l’extension v1 se termine le 30 septembre 2025. Vous pourrez installer et utiliser l’extension v1 jusqu’à cette date.
Nous vous recommandons de passer à l’extension ml, ou v2, avant le 30 septembre 2025. Pour plus d’informations sur l’extension v2, consultez Extension Azure ML CLI et le SDK Python v2.
Structurer un environnement
La commande suivante génère la structure des fichiers pour une définition d’environnement par défaut dans le répertoire spécifié. Il s'agit de fichiers JSON. Ceux-ci fonctionnent comme la classe correspondante dans le kit de développement logiciel (SDK). Vous pouvez utiliser les fichiers pour créer des environnements dotés de paramètres personnalisés.
az ml environment scaffold -n myenv -d myenvdir
Inscrire un environnement
Exécutez la commande suivante pour inscrire un environnement à partir d’un répertoire spécifié :
az ml environment register -d myenvdir
Liste des environnements
Exécutez la commande suivante pour lister tous les environnements inscrits :
az ml environment list
Télécharger un environnement
Pour télécharger un environnement inscrit, utilisez avec la commande suivante :
az ml environment download -n myenv -d downloaddir
Étapes suivantes
- Au terme de l'apprentissage du modèle, découvrez comment et où déployer des modèles.
- Consultez les informations de référence sur le SDK de la classe
Environment.