你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
重要
本文中的一些 Azure CLI 命令使用适用于 Azure 机器学习的 azure-cli-ml 或 v1 扩展。 对 v1 扩展的支持将于 2025 年 9 月 30 日结束。 在该日期之前，你能够安装和使用 v1 扩展。
建议在 2025 年 9 月 30 日之前转换为 ml 或 v2 扩展。 有关 v2 扩展的详细信息，请参阅 Azure 机器学习 CLI 扩展和 Python SDK v2。
本文介绍如何使用 CLI v1 创建和管理 Azure 机器学习环境。 使用环境可以在项目软件依赖项演化时对其进行跟踪和再现。 Azure 机器学习 CLI v1 镜像了 Python SDK v1 的大部分功能。 可以使用它来创建和管理环境。
软件依赖项管理是开发人员的常见任务。 你希望在无需进行大量手动软件配置的情况下，确保版本可以再现。 Azure 机器学习 Environment 类会考虑本地开发解决方案（例如 pip 和 Conda），并通过 Docker 功能进行分布式云开发。
有关环境在 Azure 机器学习中的作用的综合概述，请参阅什么是 ML 环境？。若要了解如何管理 Azure 机器学习工作室中的环境，请参阅管理工作室中的环境。 有关配置开发环境的信息，请参阅为 Azure 机器学习设置 Python 开发环境。
先决条件
搭建环境基架
以下命令为指定目录中的默认环境定义创建基架文件。 这些文件是 JSON 文件。 其工作方式类似于 SDK 中的相应类。 可以使用这些文件创建采用自定义设置的新环境。
az ml environment scaffold -n myenv -d myenvdir
注册环境
运行以下命令可从指定的目录注册环境：
az ml environment register -d myenvdir
列出环境
运行以下命令可以列出所有已注册的环境：
az ml environment list
下载环境
若要下载已注册的环境，请使用以下命令：
az ml environment download -n myenv -d downloaddir
后续步骤
- 训练模型后，了解部署模型的方式和位置。
- 查看
Environment类 SDK 参考。