了解 CLI
重要
本单元中的内容仅涵盖 CLI 版本 2。 详细了解如何在版本 1 和 2 之间做出决定。
与 Azure 机器学习工作区交互的另一种基于代码的方法是命令行接口 (CLI)。 作为数据科学家，你可能不会像使用 Python 那样频繁使用 CLI。 管理员和工程师通常使用 Azure CLI 来自动执行 Azure 中的任务。
将 Azure CLI 与 Azure 机器学习配合使用有许多优点。 使用 Azure CLI 可以：
- 自动创建和配置资产和资源，使其可重复使用。
- 确保必须在多个环境（例如开发、测试和生产）中复制的资产和资源的一致性。
- 将机器学习资产配置纳入开发人员操作 (DevOps) 工作流，如持续集成和持续部署 (CI/CD) 管道。
若要使用 Azure CLI 与 Azure 机器学习工作区交互，需要安装 Azure CLI 和 Azure 机器学习扩展。
安装 Azure CLI
可以在 Linux、Mac 或 Windows 计算机上安装 Azure CLI。 使用 Azure CLI，可以运行命令或脚本来管理 Azure 资源。 此外，可以从浏览器中通过 Azure Cloud Shell 使用 Azure CLI。 无论选择哪个平台，都可以执行相同的任务。 但是，Azure CLI 的安装、命令和脚本因平台而异。
重要
若要在计算机上安装 Azure CLI，可以使用包管理器。 以下是根据所选平台安装 Azure CLI 的说明。 如果使用 Azure Cloud Shell，则无需安装 Azure CLI。 在此概述中详细了解如何使用 Azure Cloud Shell。
安装 Azure 机器学习扩展
安装 Azure CLI 或设置 Azure Cloud Shell 后，需要安装 Azure 机器学习扩展，以使用 Azure CLI 管理 Azure 机器学习资源。
可以使用以下命令安装 Azure 机器学习扩展 ml：
az extension add -n ml -y
然后，可以运行帮助命令 -h 来检查扩展是否已安装并获取此扩展可用的命令列表。 此列表概述了可以使用适用于 Azure 机器学习的 Azure CLI 扩展执行的任务：
az ml -h
使用 Azure CLI
若要使用 Azure CLI 与 Azure 机器学习工作区交互，你将使用命令。 每个命令都带有 az ml 前缀。 可以在 CLI 的参考文档中找到命令列表。
例如，若要创建计算目标，可以使用以下命令：
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
若要浏览可用于命令的所有可能参数，可以查看特定命令的参考文档。
定义要创建的资产或资源参数时，可能需要改用 YAML 文件来定义配置。 将所有参数值存储在 YAML 文件中时，可以更轻松地组织和自动执行任务。
例如，还可以通过首先在 YAML 文件中定义配置来创建相同的计算目标：
$schema: https://azuremlschemas.azureedge.net/latest/amlCompute.schema.json
name: aml-cluster
type: amlcompute
size: STANDARD_DS3_v2
min_instances: 0
max_instances: 5
对于可以包含在 YAML 文件中的所有可能参数，请参阅要创建的特定资产或资源（例如计算群集）的参考文档。
将 YAML 文件另存为 compute.yml 时，可以使用以下命令创建计算目标：
az ml compute create --file compute.yml --resource-group my-resource-group --workspace-name my-workspace