通过 CLI v1 在 Azure 机器学习中创建和使用软件环境
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
重要
本文中的 Azure CLI 命令需要将 azure-cli-ml、v1 或扩展用于 Azure 机器学习。 对 v1 扩展的支持将于 2025 年 9 月 30 日结束。 在该日期之前，你将能够安装和使用 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 ML CLI 扩展和 Python SDK v2。
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。