Azure Machine Learning CLI (v2) Versionshinweise

GILT FÜR:Azure CLI ml-Erweiterung v2 (aktuell)

In diesem Artikel erfahren Sie mehr über Azure Machine Learning CLI (v2) Releases.

RSS-Feed: Lassen Sie sich benachrichtigen, wenn diese Seite aktualisiert wird, indem Sie die folgende URL kopieren und in Ihren Feedreader einfügen: https://learn.microsoft.com/api/search/rss?search=%22Azure+machine+learning+release+notes-v2%22&locale=en-us

09.05.2025

Azure Machine Learning CLI (v2) v 2.37.0

  • az ml workspace create
    • Hub- und Projektarbeitsbereich als GA markiert.

24.04.2025

Azure Machine Learning CLI (v2) v 2.36.5

  • Anheften der Hauptversion externer Abhängigkeiten im SDK.

18.04.2025

Azure Machine Learning CLI (v2) v 2.36.4

  • Aktualisierung der Marshmallow-Abhängigkeit zum Einschränken der Versionen auf >=3.5,<4.0.0, um die Kompatibilität sicherzustellen.

16.04.2025

Azure Machine Learning CLI (v2) v 2.36.3

  • Entfernen des Verweises auf veraltetes Paket-Distutils.

10.04.2025

Azure Machine Learning CLI (v2) v 2.36.2

  • az ml capability-host create
    • Die Eigenschaft KI-Suchverbindungen wurde optional gemacht.

02.04.2025

Azure Machine Learning CLI (v2) v 2.36.1

  • Behandeln des fehlenden Dauer-Werts im Abfrageergebnis der Bereitstellung.

14.03.2025

Azure Machine Learning CLI (v2) v 2.36.0

  • az ml compute update
    • Beheben der Compute-Aktualisierung bei Aktivierung von ssh.

08.01.2025

Azure Machine Learning CLI (v2) v 2.34.0

  • az ml workspace update --network-acls
    • Hinzufügung der Eigenschaft --network-acls, mit der Benutzer IPs oder IP-Bereiche in CIDR-Notation für den Arbeitsbereichzugriff angeben können.
  • az ml capability-host
    • Erstellungsvorgang hinzugefügt.
    • Abrufvorgang hinzugefügt.
    • Löschvorgang hinzugefügt.

17. Dezember 2024

Azure Machine Learning CLI (v2) v 2.33.0

  • az ml workspace create --provision-network-now
    • Hinzufügung der Eigenschaft --provision-network-now, um die Bereitstellung des verwalteten Netzwerks auszulösen, wenn ein Arbeitsbereich mit aktiviertem verwaltetem Netzwerk erstellt wird; andernfalls wird nichts ausgeführt.

18.09.2024

Azure Machine Learning CLI (v2) v2.30.0

  • az ml workspace outbound-rule set
    • Hinzufügung von Unterstützung der optionalen Eigenschaft --fqdns für die Erstellung ausgehender private_endpoint-Regeln in einem verwalteten Netzwerk mit Arbeitsbereichen. Im Zusammenhang mit der Unterstützung des Application Gateway-PE-Ziels.
    • Hinzufügung von Unterstützung der optionalen Eigenschaft --address-prefixes für die Erstellung ausgehender service_tag-Regeln in einem verwalteten Netzwerk mit Arbeitsbereichen.

14.08.2024

Azure Machine Learning CLI (v2) v2.29.0

  • az ml compute enable-sso
    • Hinzufügung von enable-sso, damit Benutzer die sso-Einstellung einer Compute-Instanz ohne Schreibberechtigungen für Compute aktivieren können.

21.06.2024

Azure Machine Learning CLI (v2) v2.27.0

  • az ml workspace create --system-datastores-auth-mode

    • Hinzufügung von --system-datastores-auth-mode zum Erstellen des Azure Machine Learning-Arbeitsbereichs.

  • az ml workspace update --system-datastores-auth-mode

    • Hinzufügung von --system-datastores-auth-mode zum Aktualisieren des Azure Machine Learning-Arbeitsbereichs.

  • az ml workspace create --allow-roleassignment-on-rg

    • Hinzufügung von --allow-roleassignment-on-rg zum Erstellen des Azure Machine Learning-Arbeitsbereichs mit Zulassen/Ablehnen der Rollenzuweisung auf Ressourcengruppenebene.

  • az ml workspace update --allow-roleassignment-on-rg

    • Hinzufügung von --allow-roleassignment-on-rg zum Aktualisieren des Azure Machine Learning-Arbeitsbereichs mit Zulassen/Ablehnen der Rollenzuweisung auf Ressourcengruppenebene.

18.10.2023

Azure Machine Learning-CLI (v2) v2.21.1

  • Pydash-Abhängigkeitsversion wurde zu >=6.0.0 aktualisiert, um Sicherheitsrisiken in Versionen vor 6.0.0 zu patchen

11.09.2023

Azure Machine Learning CLI (v2) v2.20.0

  • az ml feature-store provision-network

    • [Öffentliche Bewertung] Dieser Befehl wurde hinzugefügt, damit Benutzer verwaltetes Netzwerk für den Feature Store bereitstellen können

  • az ml feature-store create

    • Hinzufügung von --not-grant-permissions, damit Benutzer in der Lage sind, dem Feature Store keinen Materialisierungsidentitätszugriff zu gewähren

  • az ml feature-store update

    • Hinzufügung von --not-grant-permissions, damit Benutzer in der Lage sind, dem Feature Store keinen Materialisierungsidentitätszugriff zu gewähren

  • az ml feature-set

    • Hinzufügung von --feature-store-name und Außerbetriebnahme von --workspace-name, Abwärtskompatibilität wird in 6 Monaten entfernt

  • az ml feature-store-entity

    • Hinzufügung von --feature-store-name und Außerbetriebnahme von --workspace-name, Abwärtskompatibilität wird in 6 Monaten entfernt

  • az configure

    • Hinzufügung von --defaults feature-store=<name>, um Benutzern das Konfigurieren des Standard-Feature Stores zu ermöglichen

  • az ml job connect-ssh

    • Hinzufügung von --ssh-args/-c, um die Angabe von ssh-Optionen und -Befehlen zu ermöglichen. Zum Beispiel, um Signale an laufende Prozesse zu senden oder an ein interaktives Terminal anzufügen

09.05.2023

Azure Machine Learning CLI (v2) v2.17.0

  • az ml online-deployment create

    • Hinzufügung von --local-enable-gpu, um den GPU-Zugriff auf die lokale Bereitstellung zu ermöglichen.

  • az ml online-deployment update

    • Hinzufügung von --local-enable-gpu, um den GPU-Zugriff auf die lokale Bereitstellung zu ermöglichen.

01.05.2023

Azure Machine Learning-CLI (v2) v2.16.0

  • az ml job connect-ssh

    • Dieser Befehl ist als GA gekennzeichnet.

  • az ml job show-services

    • Dieser Befehl ist als GA gekennzeichnet.

  • az ml model download

    • Es wurde ein Problem behoben, bei dem beim Herunterladen eines Modells aus einer Registrierung über das --registry-name-Argument workspace_name obligatorisch war.

  • az ml model create

    • Fügen Sie ein --stage(-s)-Flag hinzu, um die Phase des Modells hinzuzufügen.

  • az ml model update

    • Fügen Sie ein --stage(-s)-Flag hinzu, um die Phase des Modells zu aktualisieren.

  • az ml model list

    • Fügen Sie ein --stage(-s)-Flag hinzu, um nach der Phase des Modells aufzulisten.

  • az ml workspace delete

    • Fügen Sie ein --purge(-p)-Flag hinzu, um das Bereinigen anstelle des vorläufigen Löschens zu erzwingen.

  • az ml workspace create

    • Fügen Sie ein --enable-data-isolation(-e)-Flag hinzu, um zu bestimmen, ob die Datenisolation für einen Arbeitsbereich aktiviert ist.

2023-03-21

Azure Machine Learning-CLI (v2) v2.15.0

  • az ml compute

    • --tags zum Erstellen und Aktualisieren für Azure Machine Learning-Compute hinzugefügt.

  • az ml data import

    • Unterstützung für die Erstellung einer Datenobjektversion, indem Sie zuerst Daten aus der Datenbank und file_system in Azure Cloud Storage importieren.

  • az ml data list-materialization-status

    • Unterstützung des listenbasierten Status von Datenimport-Materialisierungsaufträgen, die Datenobjektversionen von <asset_name> über das --name-Argument erstellen.

  • az ml online-deployment update

    • --skip-script-validation zum Erstellen für die Azure Machine Learning-Onlinebereitstellung hinzugefügt.

  • az ml workspace provision-network

    • Unterstützung für die Bereitstellung eines verwalteten Netzwerks für den Arbeitsbereich

2023-02-03

Azure Machine Learning-CLI (v2) v2.14.0

  • az ml compute

    • --location zum Erstellen für Azure Machine Learning-Compute hinzugefügt.
    • --enable-node-public-ip zum Erstellen für Compute hinzugefügt.

  • az ml data

    • Geringfügige Bearbeitungen als Hilfe für Text

  • az ml data list

    • Unterstützung für das Auflisten von Datenressourcen in einer Registrierung über das --registry-name-Argument hinzugefügt

  • az ml data show

    • Unterstützung für das Anzeigen eines Datenobjekts in einer Registrierung über das --registry-name-Argument hinzugefügt

  • az ml data create

    • Unterstützung für das Erstellen eines Datenobjekts in einer Registrierung über das --registry-name-Argument hinzugefügt
    • Unterstützung für das Höherstufen eines Datenobjekts aus einem Arbeitsbereich in eine Registrierung hinzugefügt

  • az ml workspace create

    • Unterstützung für das Erstellen eines Arbeitsbereichs mit einem verwalteten Netzwerk mit dem --managed-network-Argument hinzugefügt

  • az ml workspace update

    • Unterstützung für das Aktualisieren eines Arbeitsbereichs mit einem verwalteten Netzwerk mit dem --managed-network-Argument hinzugefügt

  • az ml compute connect-ssh

    • Unterstützung für das Herstellen einer Verbindung mit einer Compute-Instanz über SSH hinzugefügt

  • az ml workspace outbound-rule

    • Unterstützung für das Auflisten der Ausgangsregeln eines verwalteten Netzwerks für eine az ml workspace outbound-rule list für den Arbeitsbereich hinzugefügt
    • Unterstützung für das Anzeigen der Ausgangsregeln eines verwalteten Netzwerks für eine az ml workspace outbound-rule show für den Arbeitsbereich hinzugefügt
    • Unterstützung für das Entfernen der Ausgangsregeln eines verwalteten Netzwerks für eine az ml workspace outbound-rule remove für den Arbeitsbereich hinzugefügt
    • Unterstützung für das Erstellen oder Aktualisieren der Ausgangsregeln eines verwalteten Netzwerks für eine az ml workspace outbound-rule set für den Arbeitsbereich hinzugefügt

2022-12-06

Azure Machine Learning-CLI (v2) v2.12.0

  • Verbesserte Fehlermeldung für az ml-Befehle, die für die Registrierung aktiviert sind, wenn kein Arbeitsbereich oder Registrierungsname übergeben wird.
  • az ml compute
    • Es wurde ein Problem behoben, das durch den Parameter „no-wait“ verursacht wurde.

08.11.2022

Azure Machine Learning-CLI (v2) v2.11.0

  • Die CLI ist abhängig von azure-ai-ml 1.1.0.
  • az ml registry
    • Befehl ml registry delete hinzugefügt.
    • Experimentelle Registrierungstags und -importe wurden angepasst, um Warnungsausdrucke für nicht verwandte Vorgänge zu vermeiden.
  • az ml environment
    • Es wurde verhindert, dass eine bereits vorhandene Umgebung registriert wird, die auf die Conda-Datei verweist.

10.10.2022

Azure Machine Learning-CLI (v2) v2.10.0

  • Die CLI hängt von der GA-Version von azure-ai-ml ab.
  • Unterstützung für Python 3.6 wurde eingestellt.
  • az ml registry
    • Neue Befehlsgruppe für die Verwaltung von ML-Objektregistrierungen hinzugefügt.
  • az ml job
    • Befehl az ml job show-services hinzugefügt.
    • Modell-Sweeping und Hyperparameteroptimierung zu AutoML NLP-Aufträgen hinzugefügt.
  • az ml schedule
    • Eigenschaft month_days in Serienzeitplan hinzugefügt.
  • az ml compute
    • Unterstützung für benutzerdefinierte Setupskripts für Compute-Instanzen hinzugefügt.

22.9.2022

Azure Machine Learning-CLI (v2) v2.8.0

  • az ml job
    • Unterstützung für Spark-Auftrag hinzugefügt.
    • shm_size und docker_args zum Auftrag hinzugefügt.
  • az ml compute
    • Die Compute-Instanz unterstützt verwaltete Identität.
    • Unterstützung von Leerlaufzeiten für die Compute-Instanz hinzugefügt.
  • az ml online-deployment
    • Unterstützung für die Datensammlung für eventhub und Datenspeicher hinzugefügt.
    • Die Syntaxüberprüfung für das Bewertungsskript wurde hinzugefügt.
  • az ml batch-deployment
    • Die Syntaxüberprüfung für das Bewertungsskript wurde hinzugefügt.

08.10.2022

Azure Machine Learning-CLI (v2) v2.7.0

  • az ml component
    • AutoML-Komponente hinzugefügt.
  • az ml dataset
    • Veraltete Befehlsgruppe (stattdessen Verwendung von az ml data).

16.07.2022

Azure Machine Learning-CLI (v2) v2.6.0

  • Support für MoonCake-Cloud hinzugefügt.
  • az ml job
    • Die Verwendung von Git-Repo-URLs als Code erlauben.
    • AutoML-Aufträge verwenden dasselbe Eingabeschema wie andere Auftragstypen.
    • Pipeline-Aufträge unterstützen jetzt Registrierungsressourcen.
  • az ml component
    • Die Verwendung von Git-Repo-URLs als Code erlauben.
  • az ml online-endpoint
    • MIR bietet jetzt Unterstützung für Registrierungsressourcen.

24.05.2022

Azure Machine Learning-CLI (v2) v2.4.0

  • Die Azure Machine Learning-CLI (v2) ist jetzt allgemein verfügbar.
  • az ml job
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Der AutoML-Auftragstyp wurde in der öffentlichen Vorschau hinzugefügt.
    • Die Eigenschaft schedules wurde zum Pipelineauftrag in der öffentlichen Vorschau hinzugefügt.
    • Es wurde eine Option hinzugefügt, um nur archivierte Aufträge auflisten zu können.
    • Die Zuverlässigkeit des az ml job download-Befehls wurde verbessert.
  • az ml data
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Der Datentyp MLTable wurde in der öffentlichen Vorschau hinzugefügt.
    • Es wurde eine Option hinzugefügt, um nur archivierte Datenressourcen auflisten zu können.
  • az ml environment
    • Es wurde eine Option hinzugefügt, um nur archivierte Umgebungen auflisten zu können.
  • az ml model
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Das Erstellen von Modellen aus Auftragsausgaben wurde zugelassen.
    • Es wurde eine Option hinzugefügt, um nur archivierte Modelle auflisten zu können.
  • az ml online-deployment
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Es wurde der Timeout entfernt, der auf das Erstellen der Bereitstellung wartet.
    • Die Ansicht für die Onlinebereitstellungsliste wurde verbessert.
  • az ml online-endpoint
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Die Eigenschaft mirror_traffic wurde zu Onlineendpunkten in der öffentlichen Vorschau hinzugefügt.
    • Die Ansicht für die Onlineendpunktliste wurde verbessert.
  • az ml batch-deployment
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Die Unterstützung für uri_file und uri_folder wurde als Aufrufeingabe hinzugefügt.
    • Es wurde ein Fehler beim Batchbereitstellungsupdate behoben.
    • Es wurde ein Fehler bei der Ausgabe der Auftragsauflistung für die Batchbereitstellung behoben.
  • az ml batch-endpoint
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Die Unterstützung für uri_file und uri_folder wurde als Aufrufeingabe hinzugefügt.
    • Es wurde ein Fehler beim Batchendpunktupdate behoben.
    • Es wurde ein Fehler bei der Ausgabe der Auftragsauflistung für Batchendpunkte behoben.
  • az ml component
    • Die Befehlsgruppe ist als allgemein verfügbar (GA, General Availability) gekennzeichnet.
    • Es wurde eine Option hinzugefügt, um nur archivierte Komponenten auflisten zu können.
  • az ml code
    • Diese Befehlsgruppe wird entfernt.

2022-03-14

Azure Machine Learning-CLI (v2) v2.2.1

  • az ml job
    • Der Abschnitt code des YAML-Schemas wurde für alle Auftragstypen vereinfacht. Anstelle von code.local_path, um den Pfad zum Quellcodeverzeichnis anzugeben, wird jetzt code verwendet
    • Das Schema zum Definieren von Dateneingaben für den Auftrag in der YAML-Datei des Auftrags wurde für alle Auftragstypen geändert. Anstatt den Datenpfad mit dem Feld file oder folder anzugeben, verwenden Sie das Feld path, um entweder einen lokalen Pfad, einen URI zu einem Cloudpfad mit den Daten oder über path: azureml:<data_name>:<data_version> einen Verweis auf ein vorhandenes registriertes Azure Machine Learning-Datenobjekt anzugeben. Geben Sie außerdem das type-Feld an, um zu verdeutlichen, ob die Datenquelle eine einzelne Datei (uri_file) oder ein Ordner (uri_folder) ist. Wenn das Feld type ausgelassen wird, wird standardmäßig type: uri_folder verwendet. Weitere Informationen finden Sie im Abschnitt eines beliebigen YAML-Verweises für den Auftrag, in dem das Schema für die Angabe von Eingabedaten erläutert wird.
    • Im YAML-Schema des Sweep-Auftrags wurde das sampling_algorithm-Feld von einer Zeichenfolge in ein Objekt geändert, um mehr Konfigurationen für den Algorithmustyp für die zufällige Stichprobenentnahme zu unterstützen.
    • Das YAML-Schema des Komponentenauftrags wurde entfernt. Wenn Sie mit diesem Release einen Befehlsauftrag in einer Pipeline ausführen möchten, der eine Komponente verwendet, geben Sie einfach die Komponente im Feld component der YAML-Definition des Befehlsauftrags an.
    • Für alle Auftragstypen wurde Support für Verweise auf die neueste Version eines geschachtelten Medienobjekts in der YAML-Konfiguration des Auftrags hinzugefügt. Wenn Sie auf registrierte Umgebungen oder Datenobjekte verweisen, die als Eingabe in einem Auftrag verwendet werden sollen, können Sie einen Alias nach der neuesten Version erstellen, anstatt die Version explizit angeben zu müssen. Beispiel: environment: azureml:AzureML-Minimal@latest
    • Bei Pipelineaufträgen wurde der ${{ parent }}-Kontext für das Binden von Eingaben und Ausgaben zwischen Schritten in einer Pipeline eingeführt. Weitere Informationen finden Sie unter Ausdruckssyntax zum Binden von Eingaben und Ausgaben zwischen Schritten in einem Pipelineauftrag.
    • Support für das Herunterladen benannter Ausgaben des Auftrags über das --output-name-Argument für den az ml job download-Befehl hinzugefügt
  • az ml data
    • Die az ml dataset-Untergruppe ist veraltet und verwendet jetzt stattdessen az ml data
    • Es gibt zwei Arten von Daten, die jetzt erstellt werden können, entweder aus einer einzelnen Dateiquelle (type: uri_file) oder aus einem Ordner (type: uri_folder). Beim Erstellen des Datenobjekts können Sie entweder die Datenquelle aus einer lokalen Datei/einem lokalen Ordner oder von einem URI zu einem Cloudpfad-Speicherort angeben. Das vollständige Schema finden Sie im YAML-Datenschema.
  • az ml environment
    • Im YAML-Schema der Umgebung wurde das Feld build.local_path in build.path umbenannt.
    • Das Feld build.context_uri wurde entfernt. Auf den URI des hochgeladenen Buildkontext-Speicherorts kann über build.path zugegriffen werden, wenn die Umgebung zurückgegeben wird.
  • az ml model
    • Im YAML-Schema des Modells wurden die Felder model_uri und local_path entfernt und zu einem Feld path konsolidiert, das entweder einen lokalen Pfad- oder einen Cloudpfad-URI verwenden kann. Das Feld model_format wurde zu type umbenannt. Der Standardtyp ist custom_model, aber Sie können einen der anderen Typen (mlflow_model, triton_model) angeben, um das Modell in Bereitstellungsszenarien ohne Code zu verwenden.
    • Für az ml model create wurden die Argumente --model-uri und --local-path entfernt und zu einem --path-Argument konsolidiert, das entweder einen lokalen Pfad- oder einen Cloudpfad-URI verwenden kann.
    • az ml model download-Befehl zum Herunterladen der Artefaktdateien eines Modells hinzugefügt
  • az ml online-deployment
    • Im YAML-Schema für die Onlinebereitstellung wurde der Abschnitt code des Felds code_configuration vereinfacht. Anstatt code_configuration.code.local_path als Pfad zum Quellcodeverzeichnis anzugeben, das die Bewertungsdateien enthält, wird jetzt code_configuration.code verwendet.
    • Dem YAML-Schema für die Onlinebereitstellung wurde ein Feld environment_variables hinzugefügt, um die Konfiguration von Umgebungsvariablen für eine Onlinebereitstellung zu unterstützen.
  • az ml batch-deployment
    • Im YAML-Schema für die Batchbereitstellung wurde der Abschnitt code des Felds code_configuration vereinfacht. Anstatt code_configuration.code.local_path als Pfad zum Quellcodeverzeichnis anzugeben, das die Bewertungsdateien enthält, wird jetzt code_configuration.code verwendet.
  • az ml component
    • Der Abschnitt code des YAML-Schemas der Befehlskomponente wurde vereinfacht. Anstelle von code.local_path, um den Pfad zum Quellcodeverzeichnis anzugeben, wird jetzt code verwendet
    • Support für Verweise auf die neueste Version einer registrierten Umgebung hinzugefügt, die in der YAML-Konfiguration der Komponente verwendet werden soll. Wenn Sie auf eine registrierte Umgebung verweisen, können Sie einen Alias nach der neuesten Version erstellen, anstatt die Version explizit angeben zu müssen. Beispiel: environment: azureml:AzureML-Minimal@latest
    • Beim Definieren einer Komponenteneingabe oder -ausgabe wurde der Wert des Komponenteneingabe- und -ausgabetyps für das Feld type von path in uri_folder umbenannt.
  • Die delete-Befehle für Objekte (Modell, Komponente, Daten, Umgebung) wurden entfernt. Die vorhandene Löschfunktion ist nur ein vorläufiges Löschen, sodass die delete-Befehle in einer späteren Version erneut eingeführt werden, sobald das endgültige Löschen unterstützt wird.
  • Support für das Archivieren und Wiederherstellen von Ressourcen (Modell, Komponente, Daten, Umgebung) und Aufträgen hinzugefügt, z. B. az ml model archive und az ml model restore. Sie können jetzt Objekte und Aufträge archivieren, wodurch die archivierte Entität in Listenabfragen ausgeblendet wird (z. B. az ml model list).

2021-10-04

Azure Machine Learning CLI (v2) v2.0.2

  • az ml workspace
  • az ml compute
    • Aktualisierte YAML-Schemata für AmlCompute und Compute Instance
    • Die Unterstützung für AKS-Anhänge über az ml compute attach wurde entfernt. Azure Arc-fähige Kubernetes-Anhänge werden in der nächsten Version unterstützt
  • az ml datastore
  • az ml job
  • az ml environment
    • Aktualisiertes Umgebungs-YAML-Schema
    • Unterstützung für die Erstellung von Umgebungen aus dem Docker-Build-Kontext hinzugefügt
  • az ml model
    • Aktualisiertes Modell YAML-Schema
    • Neue Eigenschaft model_format zu Model für no-code Bereitstellung Szenarien hinzugefügt
  • az ml dataset
    • Umbenennung der Untergruppe az ml data in az ml dataset
    • Aktualisiertes Datensatz-YAML-Schema
  • az ml component
    • az ml component-Befehle zum Verwalten von Azure Machine Learning-Komponenten hinzugefügt
    • Unterstützung für Befehlskomponenten hinzugefügt (Befehlskomponente YAML-Schema)
  • az ml online-endpoint
    • Die Untergruppe az ml endpoint wurde in zwei separate Gruppen aufgeteilt: az ml online-endpoint und az ml batch-endpoint
    • Aktualisiertes Online-Endpunkt-YAML-Schema
    • Unterstützung für lokale Endpunkte für Entwicklungs-/Testszenarien hinzugefügt
    • Interaktive VS Code-Debugging-Unterstützung für lokale Endpunkte hinzugefügt (das --vscode-debug-Flag wurde zu az ml batch-endpoint create/update hinzugefügt)
  • az ml online-deployment
    • Die Untergruppe az ml deployment wurde in zwei separate Gruppen aufgeteilt: az ml online-deployment und az ml batch-deployment
    • Aktualisiertes verwaltetes Online-Bereitstellungs-YAML-Schema
    • Unterstützung für automatische Skalierung durch Integration mit Azure Monitor Autoscale hinzugefügt
    • Unterstützung für die Aktualisierung mehrerer Online-Bereitstellungseigenschaften im selben Aktualisierungsvorgang hinzugefügt
    • Unterstützung für die Durchführung gleichzeitiger Operationen auf Bereitstellungen unter demselben Endpunkt hinzugefügt
  • az ml batch-endpoint
    • Die Untergruppe az ml endpoint wurde in zwei separate Gruppen aufgeteilt: az ml online-endpoint und az ml batch-endpoint
    • Aktualisiertes Batch-Endpunkt-YAML-Schema
    • Die Eigenschaft traffic wurde entfernt und durch eine konfigurierbare Standard-Eigenschaft ersetzt
    • Unterstützung für Eingabedaten-URIs für az ml batch-endpoint invoke hinzugefügt
    • Hinzufügung von Unterstützung für den Eingang des virtuellen Netzwerks (private Verbindung)
  • az ml batch-deployment
    • Die Untergruppe az ml deployment wurde in zwei separate Gruppen aufgeteilt: az ml online-deployment und az ml batch-deployment
    • Aktualisiertes Batch Bereitstellung YAML Schema

25.05.2021

Ankündigung der CLI (v2) für Azure Machine Learning

Die Erweiterung ml für die Azure CLI ist die Benutzeroberfläche der nächsten Generation für Azure Machine Learning. Hiermit können Sie Modelle über die Befehlszeile trainieren und bereitstellen und Features nutzen, mit denen beim Nachverfolgen des Modelllebenszyklus das Hoch- und Aufskalieren von Data Science-Einheiten beschleunigt werden kann. Installation und erste Schritte.

  • Last updated on