Notes de publication de l’interface CLI Azure Machine Learning (v2)

S’APPLIQUE À :Extension ml Azure CLI v2 (actuelle)

Dans cet article, découvrez les versions de l’interface CLI Azure Machine Learning (v2).

Flux RSS : Recevez une notification quand cette page est mise à jour en copiant et collant l’URL suivante dans votre lecteur de flux : https://learn.microsoft.com/api/search/rss?search=%22Azure+machine+learning+release+notes-v2%22&locale=en-us

2025-05-09

Azure Machine Learning CLI (v2) v 2.37.0

  • az ml workspace create
    • Espace de travail Hub et Project marqués en disponibilité générale.

2025-04-24

Azure Machine Learning CLI (v2) v 2.36.5

  • Épingler la version principale des dépendances externes dans le Kit de développement logiciel (SDK).

2025-04-18

Azure Machine Learning CLI (v2) v 2.36.4

  • Mise à jour de la dépendance marshmallow pour limiter les versions à >=3.5,4.0.0< pour garantir la compatibilité.

2025-04-16

Azure Machine Learning CLI (v2) v 2.36.3

  • Suppression de référence des distutils de package déconseillés.

2025-04-10

Azure Machine Learning CLI (v2) v 2.36.2

  • az ml capability-host create
    • Propriété De connexions IA Search facultative.

2025-04-02

Azure Machine Learning CLI (v2) v 2.36.1

  • Gérer la valeur de durée manquante dans le résultat de l’polleur de déploiement.

2025-03-14

Azure Machine Learning CLI (v2) v 2.36.0

  • az ml compute update
    • Corrigez la mise à jour du calcul lorsque ssh est activé.

2025-01-08

Azure Machine Learning CLI (v2) v 2.34.0

  • az ml workspace update --network-acls
    • Ajout --network-acls de la propriété pour permettre à l’utilisateur de spécifier des adresses IP ou des plages d’adresses IP en notation CIDR pour l’accès à l’espace de travail.
  • az ml capability-host
    • Ajout de l’opération de création.
    • Ajout de l’opération get.
    • Ajout de l’opération de suppression.

17/12/2024

Azure Machine Learning CLI (v2) v 2.33.0

  • az ml workspace create --provision-network-now
    • Ajout --provision-network-now de la propriété pour déclencher l’approvisionnement du réseau managé lors de la création d’un espace de travail avec le réseau managé activé, ou sinon elle ne fait rien.

2024-09-18

Azure Machine Learning CLI (v2) v2.30.0

  • az ml workspace outbound-rule set
    • Ajout de la prise en charge de la propriété facultative --fqdns pour private_endpoint création de règles sortantes dans un réseau géré par l’espace de travail. Lié à la prise en charge de la cible PE Application Gateway.
    • Ajout de la prise en charge de la propriété facultative --address-prefixes pour service_tag création de règles sortantes dans le réseau géré par l’espace de travail.

2024-08-14

Azure Machine Learning CLI (v2) v2.29.0

  • az ml compute enable-sso
    • Ajout d’enable-sso pour permettre à l’utilisateur d’activer le paramètre d’authentification unique d’une instance de calcul sans aucune autorisation d’écriture définie sur le calcul.

2024-06-21

Azure Machine Learning CLI (v2) v2.27.0

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

    • Ajouté --system-datastores-auth-mode pour créer un espace de travail Azure Machine Learning.

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

    • Ajouté --system-datastores-auth-mode à la mise à jour de l’espace de travail Azure Machine Learning.

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

    • Ajout --allow-roleassignment-on-rg de la création pour l’espace de travail Azure Machine Learning avec autorisation/interdiction de l’attribution de rôle au niveau du groupe de ressources.

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

    • Ajout --allow-roleassignment-on-rg de la mise à jour de l’espace de travail Azure Machine Learning avec autorisation/interdiction de l’attribution de rôle au niveau du groupe de ressources.

18-10-2023

Interface CLI Azure Machine Learning (v2) v2.21.1

2023-09-11

Azure Machine Learning CLI (v2) v2.20.0

  • az ml feature-store provision-network

    • [Révision publique] Ajout de cette commande pour permettre à l’utilisateur de provisionner un réseau managé pour le magasin de fonctionnalités

  • az ml feature-store create

    • Ajouté --not-grant-permissions pour autoriser l’utilisateur à ne pas accorder l’accès à l’identité de matérialisation au magasin de fonctionnalités

  • az ml feature-store update

    • Ajouté --not-grant-permissions pour autoriser l’utilisateur à ne pas accorder l’accès à l’identité de matérialisation au magasin de fonctionnalités

  • az ml feature-set

    • Ajout --feature-store-name et dépréciation --workspace-name, la compatibilité descendante sera supprimée en 6 mois

  • az ml feature-store-entity

    • Ajout --feature-store-name et dépréciation --workspace-name, la compatibilité descendante sera supprimée en 6 mois

  • az configure

    • Ajouté --defaults feature-store=<name> pour permettre à l’utilisateur de configurer le magasin de fonctionnalités par défaut

  • az ml job connect-ssh

    • Ajouté --ssh-args/-c pour autoriser la spécification d’options ssh + commandes. Par exemple, pour envoyer des signaux à des processus en cours d’exécution ou pour l’attacher à un terminal interactif

09-05-2023

Azure Machine Learning CLI (v2) v2.17.0

  • az ml online-deployment create

    • Ajouté --local-enable-gpu pour autoriser l’accès gpu au déploiement local.

  • az ml online-deployment update

    • Ajouté --local-enable-gpu pour autoriser l’accès gpu au déploiement local.

2023-05-01

CLI Azure Machine Learning (v2) v2.16.0

  • az ml job connect-ssh

    • Cette commande est marquée comme étant en disponibilité générale.

  • az ml job show-services

    • Cette commande est marquée comme étant en disponibilité générale.

  • az ml model download

    • Résolution du problème où, lors du téléchargement d’un modèle à partir d’un registre via l’argument --registry-name, workspace_name était obligatoire.

  • az ml model create

    • Ajoutez un indicateur --stage(-s) pour ajouter la phase du modèle.

  • az ml model update

    • Ajoutez un indicateur --stage(-s) pour mettre à jour la phase du modèle.

  • az ml model list

    • Ajoutez un indicateur --stage(-s) pour établir une liste d’après l’étape du modèle.

  • az ml workspace delete

    • Ajoutez un indicateur --purge(-p) pour forcer le vidage plutôt que de supprimer définitivement.

  • az ml workspace create

    • Ajoutez un indicateur --enable-data-isolation(-e) pour déterminer si dans un espace de travail, une activation de l’isolation des données est activée.

21-03-2023

CLI Azure Machine Learning (v2) v2.15.0

  • az ml compute

    • Ajout de --tags pour créer et mettre à jour la capacité de calcul Azure Machine Learning.

  • az ml data import

    • Le support crée une version de la ressource de données en important d’abord les données de la base de données et file_system vers le stockage cloud Azure.

  • az ml data list-materialization-status

    • Le support établit la liste des statuts des tâches de matérialisation d’importation de données qui créent des versions de la ressource de données de <asset_name> via l’argument --name.

  • az ml online-deployment update

    • Ajout de --skip-script-validation pour créer le déploiement en ligne d’Azure Machine Learning.

  • az ml workspace provision-network

    • Prise en charge de l’approvisionnement d’un réseau géré pour l’espace de travail

03-02-2023

CLI Azure Machine Learning (v2) v2.14.0

  • az ml compute

    • Ajout de --location pour créer la capacité de calcul Azure Machine Learning.
    • Ajout de --enable-node-public-ip pour créer la capacité de calcul.

  • az ml data

    • Modifications mineures du texte d’aide

  • az ml data list

    • Ajout de la prise en charge de la liste des ressources de données dans un registre via l’argument --registry-name

  • az ml data show

    • Ajout de la prise en charge de l’affichage d’une ressource de données dans un registre via l’argument --registry-name

  • az ml data create

    • Ajout de la prise en charge de la création d’une ressource de données dans un registre via l’argument --registry-name
    • Ajout de la prise en charge de la promotion d’une ressource de données depuis un espace de travail vers un registre

  • az ml workspace create

    • Ajout de la prise en charge de la création d’un espace de travail avec un réseau géré avec l’argument --managed-network

  • az ml workspace update

    • Ajout de la prise en charge de la mise à jour d’un espace de travail avec un réseau géré avec l’argument --managed-network

  • az ml compute connect-ssh

    • Ajout de la prise en charge de la connexion à un instance de calcul via SSH

  • az ml workspace outbound-rule

    • Ajout de la prise en charge des règles de trafic sortant d’un réseau managé pour un espace de travail az ml workspace outbound-rule list
    • Ajout de la prise en charge de l’affichage des règles de trafic sortant d’un réseau géré pour un espace de travail az ml workspace outbound-rule show
    • Ajout de la prise en charge de la suppression des règles de trafic sortant d’un réseau géré pour un espace de travail az ml workspace outbound-rule remove
    • Ajout de la prise en charge de la création ou de la mise à jour des règles de trafic sortant d’un réseau managé pour un espace de travail az ml workspace outbound-rule set

06-12-2022

CLI Azure Machine Learning (v2) v2.12.0

  • Message d’erreur amélioré pour les commandes activées par az ml le Registre, quand aucun espace de travail ou nom de Registre n’est passé.
  • az ml compute
    • Correction du problème provoqué par le paramètre no-wait.

08-11-2022

CLI Azure Machine Learning (v2) v2.11.0

  • L’interface CLI est basée sur azure-ai-ml 1.1.0.
  • az ml registry
    • Ajout de la commande ml registry delete
    • Ajustement des importations et des étiquettes expérimentales de registre pour éviter les affichages d’avertissements pour les opérations sans lien.
  • az ml environment
    • Blocage de l’inscription d’un environnement existant qui référence le fichier conda.

10-10-2022

Azure Machine Learning CLI (v2) v2.10.0

  • L’interface CLI dépend de la version GA d’azure-ai-ml.
  • Prise en charge de Python 3.6. abandonnée.
  • az ml registry
    • Nouveau groupe de commandes ajouté pour gérer les registres de ressources ML.
  • az ml job
    • Ajout de la commande az ml job show-services
    • Ajout du balayage de modèle et du réglage des hyperparamètres aux travaux NLP AutoML.
  • az ml schedule
    • Ajout de la propriété month_days dans la planification de périodicité.
  • az ml compute
    • Ajout de la prise en charge des scripts d’installation personnalisés pour les instances de calcul.

22-09-2022

Azure Machine Learning CLI (v2) v2.8.0

  • az ml job
    • Ajout de la prise en charge des travaux Spark.
    • Ajout de shm_size et de docker_args au travail.
  • az ml compute
    • L’instance de calcul prend en charge l’identité managée.
    • Ajout de la prise en charge du temps d’arrêt inactif pour l’instance de calcul.
  • az ml online-deployment
    • Ajout de la prise en charge de la collecte de données pour eventhub et le stockage de données.
    • Ajout de la validation de la syntaxe pour le script de scoring.
  • az ml batch-deployment
    • Ajout de la validation de la syntaxe pour le script de scoring.

10-08-2022

Azure Machine Learning CLI (v2) v2.7.0

  • az ml component
    • Ajout du composant AutoML.
  • az ml dataset
    • Groupe de commandes déprécié (utiliser az ml data à la place).

16-07-2022

Azure Machine Learning CLI (v2) v2.6.0

  • Ajout de la prise en charge du cloud MoonCake.
  • az ml job
    • Autoriser l’utilisation des URL de dépôt Git en tant que code.
    • Les travaux AutoML utilisent le même schéma d’entrée que d’autres types de travaux.
    • Les travaux de pipeline prennent désormais en charge les ressources du registre.
  • az ml component
    • Autoriser l’utilisation des URL de dépôt Git en tant que code.
  • az ml online-endpoint
    • MIR prend désormais en charge les ressources du Registre.

24-05-2022

Azure Machine Learning CLI (v2) v2.4.0

  • Azure Machine Learning CLI (v2) est désormais en disponibilité générale.
  • az ml job
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Ajout du type de travail AutoML en préversion publique.
    • Ajout de la propriété schedules au travail de pipeline en préversion publique.
    • Ajout d’une option permettant de lister uniquement les travaux archivés.
    • Amélioration de la fiabilité de la commande az ml job download.
  • az ml data
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Ajout du type de données MLTable en préversion publique.
    • Ajout d’une option permettant de lister uniquement les ressources de données archivées.
  • az ml environment
    • Ajout d’une option permettant de lister uniquement les environnements archivés.
  • az ml model
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Autorisation de la création de modèles à partir de sorties de travaux.
    • Ajout d’une option permettant de lister uniquement les modèles archivés.
  • az ml online-deployment
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Suppression du délai d’attente dans le cadre de la création d’un déploiement.
    • Amélioration de l’affichage de la liste des déploiements en ligne.
  • az ml online-endpoint
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Ajout de la propriété mirror_traffic aux points de terminaison en ligne en préversion publique.
    • Amélioration de l’affichage de la liste des points de terminaison en ligne.
  • az ml batch-deployment
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Ajout de la prise en charge de uri_file et uri_folder en tant qu’entrées d’appel.
    • Correction d’un bogue dans la mise à jour du déploiement par lots.
    • Correction d’un bogue dans la sortie list-jobs du déploiement par lots.
  • az ml batch-endpoint
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Ajout de la prise en charge de uri_file et uri_folder en tant qu’entrées d’appel.
    • Correction d’un bogue dans la mise à jour du point de terminaison de lot.
    • Correction d’un bogue dans la sortie list-jobs du point de terminaison de lot.
  • az ml component
    • Le groupe de commandes est marqué comme étant en disponibilité générale.
    • Ajout d’une option permettant de lister uniquement les composants archivés.
  • az ml code
    • Ce groupe de commandes est supprimé.

14-03-2022

CLI Azure Machine Learning (v2) v2.2.1

  • az ml job
    • Pour tous les types de travaux, la section code du schéma YAML a été aplatie. Au lieu de code.local_path spécifier le chemin d’accès au répertoire de code source, utilisez code
    • Pour tous les types de travaux, le schéma pour définir les entrées de données pour le travail dans le travail YAML a été modifié. Au lieu de spécifier le chemin d’accès aux données à l’aide des champs file ou folder, utilisez le champ path pour spécifier un chemin d’accès local, un URI vers un chemin d’accès cloud contenant les données, ou une référence à une ressource de données Azure Machine Learning inscrite existante via path: azureml:<data_name>:<data_version>. Spécifiez également le champ type pour clarifier si la source de données est un fichier unique (uri_file) ou un dossier (uri_folder). Si le champ type est omis, la valeur par défaut est type: uri_folder. Pour plus d’informations, consultez la section de l’une des informations de référence YAML de travail qui traitent du schéma pour la spécification de données d’entrée.
    • Dans le schéma YAML du travail de balayage, le champ sampling_algorithm d’une chaîne a été remplacé par un objet afin de prendre en charge davantage de configurations pour le type d’algorithme d’échantillonnage aléatoire
    • Suppression du schéma YAML du travail de composant. Avec cette version, si vous souhaitez exécuter un travail de commande à l’intérieur d’un pipeline qui utilise un composant, spécifiez simplement le composant dans le champ component de la définition YAML du travail de commande.
    • Pour tous les types de travaux, la prise en charge du référencement de la dernière version d’une ressource imbriquée dans la configuration YAML de travail a été ajoutée. Lors du référencement d’un environnement ou d’une ressource de données inscrit(e) à utiliser comme entrée dans un travail, vous pouvez utiliser un alias avec la dernière version au lieu de devoir spécifier explicitement la version. Par exemple : environment: azureml:AzureML-Minimal@latest
    • Pour les travaux de pipeline, le contexte ${{ parent }} a été introduit pour lier des entrées et sorties entre les étapes d’un pipeline. Pour plus d’informations, consultez Syntaxe d’expression pour lier des entrées et sorties entre les étapes d’un travail de pipeline.
    • Ajout de la prise en charge du téléchargement de sorties de travail nommées via l'argument --output-name de la commande az ml job download
  • az ml data
    • Sous-groupe az ml dataset déconseillé, utilisation désormais de az ml data à la place
    • Deux types de données peuvent désormais être créés à partir d’une source de fichier unique (type: uri_file) ou d’un dossier (type: uri_folder). Lors de la création de la ressource de données, vous pouvez spécifier la source de données à partir d’un fichier/dossier local ou d’un URI vers un emplacement de chemin d’accès cloud. Consultez le schéma YAML des données pour le schéma complet
  • az ml environment
    • Dans le schéma YAML de l’environnement, le champ build.local_path a été renommé build.path
    • Suppression du champ build.context_uri. L’URI de l’emplacement du contexte de build chargé sera accessible via build.path lorsque l’environnement est retourné
  • az ml model
    • Dans le schéma YAML du modèle, les champs model_uri et local_path ont été supprimés et regroupés dans un champ path qui peut accepter un chemin d’accès local ou un URI de chemin d’accès cloud. Champ model_format renommé type ; le type par défaut est custom_model, mais vous pouvez spécifier l’un des autres types (mlflow_model, triton_model) pour utiliser le modèle dans des scénarios de déploiement sans code
    • Pour az ml model create, les arguments --model-uri et --local-path ont été supprimés et regroupés dans un seul argument --path qui peut accepter un chemin d’accès local ou un URI de chemin d’accès cloud
    • Ajout de la commande az ml model download pour télécharger les fichiers d’artefact d’un modèle
  • az ml online-deployment
    • Dans le schéma YAML du déploiement en ligne, la section code du champ code_configuration a été aplatie. Au lieu de code_configuration.code.local_path spécifier le chemin d’accès au répertoire de code source contenant les fichiers de scoring, utilisez code_configuration.code
    • Ajout d’un champ environment_variables au schéma YAML du déploiement en ligne pour prendre en charge la configuration des variables d’environnement pour un déploiement en ligne
  • az ml batch-deployment
    • Dans le schéma YAML du déploiement par lots, la section code du champ code_configuration a été aplatie. Au lieu de code_configuration.code.local_path spécifier le chemin d’accès au répertoire de code source contenant les fichiers de scoring, utilisez code_configuration.code
  • az ml component
    • Aplatissement de la section code du schéma YAML du composant de commande. Au lieu de code.local_path spécifier le chemin d’accès au répertoire de code source, utilisez code
    • Ajout de la prise en charge du référencement de la dernière version d’un environnement inscrit à utiliser dans la configuration YAML de composant. Lors du référencement d’un environnement inscrit, vous pouvez utiliser un alias avec la dernière version au lieu de devoir spécifier explicitement la version. Par exemple : environment: azureml:AzureML-Minimal@latest
    • La valeur du type d’entrée et de sortie du composant a été renommée de path en uri_folder pour le champ type lors de la définition de l’entrée ou de la sortie d’un composant
  • Suppression des commandes delete pour les ressources (modèle, composant, données, environnement). La fonctionnalité de suppression existante n’étant qu’une suppression réversible, les commandes delete sont réintroduites dans une version ultérieure lorsque la suppression définitive sera prise en charge
  • Ajout de la prise en charge de l’archivage et de la restauration des ressources (modèle, composant, données, environnement) et des travaux, par exemple az ml model archive et az ml model restore. Vous pouvez désormais archiver les ressources et les travaux, qui masquent l’entité archivée dans les requêtes de liste (par exemple). az ml model list

2021-10-04

CLI Azure Machine Learning (v2) v2.0.2

  • az ml workspace
  • az ml compute
    • Mise à jour des schémas YAML pour AmlCompute et Instance de calcul
    • Suppression de la prise en charge de l’attachement AKS hérité via az ml compute attach. L’attachement Kubernetes avec Azure ARC sera pris en charge dans la prochaine version
  • az ml datastore
  • az ml job
  • az ml environment
  • az ml model
    • Mise à jour du schéma YAML du modèle
    • Ajout d’une nouvelle propriété model_format au modèle pour les scénarios de déploiement sans code
  • az ml dataset
    • Renommage du sous-groupe az ml data en az ml dataset
    • Mise à jour du schéma YAML du jeu de données
  • az ml component
    • Les commandes az ml component peuvent être utilisées pour gérer les composants Azure Machine Learning
    • Ajout de la prise en charge des composants de commande (schéma YAML du composant de commande)
  • az ml online-endpoint
    • Sous-groupe az ml endpoint divisé en deux groupes distincts : az ml online-endpoint et az ml batch-endpoint
    • Mise à jour du schéma YAML d’un point de terminaison en ligne
    • Ajout de la prise en charge des points de terminaison locaux pour les scénarios de développement/test
    • Ajout de la prise en charge du débogage VSCode interactif pour les points de terminaison locaux (ajout de l’indicateur --vscode-debug à az ml batch-endpoint create/update)
  • az ml online-deployment
    • Sous-groupe az ml deployment divisé en deux groupes distincts : az ml online-deployment et az ml batch-deployment
    • Mise à jour du schéma YAML de déploiement en ligne géré
    • Ajout de la prise en charge de la mise à l’échelle automatique via l’intégration avec Azure Monitor Autoscale
    • Ajout de la prise en charge de la mise à jour de plusieurs propriétés de déploiement en ligne dans la même opération de mise à jour
    • Ajout de la prise en charge de l’exécution d’opérations simultanées sur les déploiements sous le même point de terminaison
  • az ml batch-endpoint
    • Sous-groupe az ml endpoint divisé en deux groupes distincts : az ml online-endpoint et az ml batch-endpoint
    • Mise à jour du schéma YAML du point de terminaison de traitement de lots
    • Suppression de la propriété traffic ; remplacée par une propriété de déploiement par défaut configurable
    • Ajout de la prise en charge des URI de données d’entrée pour az ml batch-endpoint invoke
    • Ajout de la prise en charge de l’entrée de réseau virtuel (liaison privée)
  • az ml batch-deployment

2021-05-25

Annonce de l’interface CLI (v2) pour Azure Machine Learning

L’extension ml d’Azure CLI est l’interface de nouvelle génération d’Azure Machine Learning. Elle permet d’entraîner et de déployer des modèles à partir de la ligne de commande, avec des fonctionnalités qui accélèrent le scale-up et le scale-out pour la science des données tout en assurant le suivi du cycle de vie des modèles. Installez l’extension et commencez.

  • Dernière mise à jour :