CLI v1 を使って Azure Machine Learning でソフトウェア環境を作成して使う

適用対象:Azure CLI ml extension v1

この記事では、CLI v1 を使って Azure Machine Learning の環境を作成および管理する方法について説明します。 環境を使用して、プロジェクトのソフトウェアの発展する依存関係を追跡および再現します。 Azure Machine Learning CLI v1 では、Python SDK v1 のほとんどの機能をミラーリングします。 それを使用して、環境を作成および管理することができます。

ソフトウェアの依存関係の管理は、開発者にとって一般的なタスクです。 広範な手動によるソフトウェア構成を行わずに、ビルドを再現できることを保証する必要があります。 Azure Machine Learning の Environment クラスには、pip や Conda などのローカル開発ソリューションや、Docker 機能を通じた分散クラウド開発を指定します。

Azure Machine Learning の環境のしくみの概要については、ML 環境の概要に関するページを参照してください。Azure Machine Learning スタジオでの環境の管理については、スタジオでの環境の管理に関するページを参照してください。 開発環境の構成の詳細については、Azure Machine Learning のための Python 開発環境のセットアップに関する記事を参照してください。

前提条件

• Azure Machine Learning ワークスペース

環境をスキャフォールディングする

以下のコマンドでは、指定されたディレクトリ内の既定の環境定義のファイルをスキャフォールディングします。 これらのファイルは JSON ファイルです。 これらは、SDK の対応するクラスと同じように機能します。 これらのファイルを使用すると、カスタム設定を含む新しい環境を作成できます。

az ml environment scaffold -n myenv -d myenvdir

環境を登録します。

次のコマンドを実行して、指定したディレクトリから環境を登録します。

az ml environment register -d myenvdir

環境の一覧表示

次のコマンドを実行して、登録されたすべての環境を一覧表示します。

az ml environment list

環境をダウンロードする

登録された環境をダウンロードするには、次のコマンドを使います。

az ml environment download -n myenv -d downloaddir

次のステップ

• モデルのトレーニングが完了した後、モデルをデプロイする方法と場所について学習します。
• Environment クラスの SDK リファレンスを参照します。