Interfaccia della riga di comando del runtime di intelligenza artificiale

L'interfaccia air a riga di comando invia e gestisce i carichi di lavoro di training distribuito su AI Runtime, la piattaforma di calcolo GPU serverless su richiesta. L'interfaccia della riga di comando usa la configurazione dei processi basata su YAML, si integra con MLflow e supporta flussi di lavoro di codice basati sull'area di lavoro e basati su Git.

air L'interfaccia della riga di comando è conforme agli stessi standard di conformità del runtime di intelligenza artificiale. Per gli standard e le eccezioni supportati, vedere Profilo di sicurezza della conformità.

Quando usare la CLI

Usa la CLI di AI Runtime quando vuoi:

• Inviare carichi di lavoro di training GPU dal computer portatile e dall'editor di codice senza aprire un notebook.
• Definisci i processi di addestramento in YAML in modo dichiarativo, in modo che possano essere archiviati nel controllo del codice sorgente.
• Eseguire processi di training a esecuzione prolungata o training distribuito a più nodi: carichi di lavoro che devono superare una sessione interattiva o estendersi su più nodi.

Per l'API Python nei notebook (@distributed e @ray_launch), consulta invece Training distribuito nei notebook.

Per lavorare in modo interattivo su un singolo nodo GPU tramite SSH, dal terminale o dall'IDE, anziché inviare un carico di lavoro, usare databricks ssh connect. Vedere Connettersi a Databricks usando un tunnel SSH.

In questa sezione

• Installa la CLI di AI Runtime
• Guida rapida ad AI Runtime CLI
• Riferimento del comando CLI di AI Runtime
• Informazioni di riferimento su YAML del carico di lavoro
• Tenere traccia delle esecuzioni con MLflow e la pagina Esecuzione processi
• Usare immagini Docker personalizzate
• Esempi dell'interfaccia della riga di comando di Ai Runtime