groupe de commandesexperiments
L'utilisation de Databricks CLI est soumise à la licence Databricks et à la politique de confidentialité Databricks, y compris toutes les dispositions relatives aux données d'utilisation.
Le groupe de commandes experiments dans l’ interface CLI Databricks vous permet de créer, modifier, supprimer et gérer les expérimentations dans MLflow. Pour en savoir plus, consultez la page Organiser les exécutions d’entraînement avec les expérimentations MLflow.
databricks Experimentations créer-une-Experimentation
Créer une expérimentation avec un nom. Renvoie l'ID de l'expérience nouvellement créée. Valide qu'une autre Expérimentation portant le même nom n'existe pas déjà et échoue si une autre Expérimentation portant le même nom existe déjà.
Génère RESOURCE_ALREADY_EXISTS si une expérimentation avec le nom donné existe.
databricks experiments create-experiment NAME [flags]
Arguments
NAME
Nom d'expérimentation.
Options
--artifact-location string
Emplacement où sont stockés tous les artefacts de l’Experimentation.
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
databricks experiments create-logged-model
Créez un modèle enregistré.
databricks experiments create-logged-model EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
L'ID de l'experimentation propriétaire du modèle.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--model-type string
Le type du modèle, tel que Agent, Classifier ou LLM.
--name string
Nom du modèle (facultatif).
--source-run-id string
L'ID du run qui a créé le modèle.
Exemples
L’exemple suivant crée un modèle journalisé :
databricks experiments create-logged-model 123456789 --name my-model --model-type LLM
databricks experiments create-run
Créer une nouvelle exécution dans une expérimentation. Une exécution est généralement une exécution unique d'un pipeline de Machine Learning ou d'ETL de données. MLflow utilise les exécutions pour suivre le mlflowParam, le mlflowMetric et le mlflowRunTag associés à une seule exécution.
databricks experiments create-run [flags]
Arguments
Aucun
Options
--experiment-id string
ID de l'expérimentation associée.
--json JSON
La chaîne JSON en ligne ou le @path vers le fichier JSON avec le corps de la requête
--run-name string
Le nom de l'exécution.
--start-time int
Timestamp Unix en millisecondes du moment où l'exécution a démarré.
--user-id string
ID de l'utilisateur exécutant l'exécution.
databricks Experimentation supprimer-expérimentation
Marquer une expérience et les métadonnées, exécutions, métriques, paramètres et tags associés pour suppression. Si l'expérience utilise FileStore, les artefacts associés à l'expérience sont également supprimés.
databricks experiments delete-experiment EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
ID de l'expérimentation associée.
Options
--json JSON
La chaîne JSON en ligne ou le @path vers le fichier JSON avec le corps de la requête
databricks experiments delete-logged-model
Supprimer un modèle enregistré.
databricks experiments delete-logged-model MODEL_ID [flags]
Arguments
MODEL_ID
L'ID du modèle enregistré à supprimer.
Options
Exemples
L'exemple suivant supprime un modèle enregistré :
databricks experiments delete-logged-model m-1234567890abcdef
databricks experiments delete-logged-model-tag
Supprimer un tag sur un modèle enregistré.
databricks experiments delete-logged-model-tag MODEL_ID TAG_KEY [flags]
Arguments
MODEL_ID
L'ID du modèle enregistré à partir duquel supprimer le tag.
TAG_KEY
La clé de tag à supprimer.
Options
Exemples
L'exemple suivant supprime une balise d'un modèle enregistré :
databricks experiments delete-logged-model-tag m-1234567890abcdef my-tag-key
databricks experiments delete-run
Marquer une exécution pour suppression.
databricks experiments delete-run RUN_ID [flags]
Arguments
RUN_ID
ID de l'exécution à supprimer.
Options
--json JSON
La chaîne JSON en ligne ou le @path vers le fichier JSON avec le corps de la requête
databricks experimentation delete-runs
Supprimer les exécutions en bloc dans une expérimentation qui ont été créées avant ou au timestamp spécifié. Supprime au maximum max_runs par requête. Pour appeler cette API depuis un Notebook Databricks en Python, vous pouvez utiliser l'extrait de code client sur
databricks experiments delete-runs EXPERIMENT_ID MAX_TIMESTAMP_MILLIS [flags]
Arguments
EXPERIMENT_ID
L'ID de l'expérience contenant les exécutions à supprimer.
MAX_TIMESTAMP_MILLIS
Timestamp de création maximal en millisecondes depuis l’époque UNIX pour la suppression des exécutions. Seules les exécutions créées avant ou à cet Timestamp sont supprimées.
Options
--json JSON
La chaîne JSON en ligne ou le @path vers le fichier JSON avec le corps de la requête
--max-runs int
Un entier positif facultatif indiquant le nombre maximal d'exécutions à supprimer.
databricks expérimentations delete-tag
Supprimer un tag sur une exécution. Les tags sont des métadonnées d'exécution qui peuvent être mises à jour pendant et après la fin d'une exécution.
databricks experiments delete-tag RUN_ID KEY [flags]
Arguments
RUN_ID
ID de l’exécution sous laquelle l’étiquette a été journalisée. Obligatoire.
KEY
Nom du tag. La taille maximale est de 255 octets. Obligatoire.
Options
--json JSON
La chaîne JSON en ligne ou le @path vers le fichier JSON avec le corps de la requête
databricks experiments finalize-logged-model
Finalisez un modèle enregistré, en le marquant comme prêt ou ayant échoué.
databricks experiments finalize-logged-model MODEL_ID STATUS [flags]
Arguments
MODEL_ID
L'ID du modèle enregistré à finaliser.
STATUS
Indique si le modèle est prêt à l'emploi. Valeurs prises en charge : LOGGED_MODEL_PENDING, LOGGED_MODEL_READY, LOGGED_MODEL_UPLOAD_FAILED.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
Exemples
L'exemple suivant indique qu'un modèle enregistré est prêt :
databricks experiments finalize-logged-model m-1234567890abcdef LOGGED_MODEL_READY
databricks Experimentation get-by-name
Obtenir les métadonnées d'une expérimentation avec le nom spécifié.
Cette commande retournera les Expérimentations supprimées, mais préfère l'Expérimentation active si une Expérimentation active et une Expérimentation supprimée partagent le même nom. Si plusieurs Expérimentations supprimées partagent le même nom, l'API retournera l'une d'entre elles.
Génère RESOURCE_DOES_NOT_EXIST si aucune expérimentation avec le nom spécifié n'existe.
databricks experiments get-by-name EXPERIMENT_NAME [flags]
Arguments
EXPERIMENT_NAME
Nom de l'expérimentation associée.
Options
Databricks Experimentation get-experiment
Obtenez les métadonnées pour une Expérimentation avec l'ID spécifié. Cette commande fonctionne sur les Expérimentations supprimées.
databricks experiments get-experiment EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
ID de l'expérimentation associée.
Options
databricks experimentation get-history
Obtenez la liste de toutes les valeurs de la métrique spécifiée pour une exécution donnée.
databricks experiments get-history METRIC_KEY [flags]
Arguments
METRIC_KEY
Nom de la métrique.
Options
--max-results int
Nombre maximal d'enregistrements de métriques à retourner par requête paginée.
--page-token string
Jeton indiquant la page d'historiques des métriques à récupérer.
--run-id string
ID de l'exécution à partir de laquelle récupérer les valeurs de métriques.
--run-uuid string
Obsolète, utilisez --run_id à la place. ID de l'exécution à partir duquel récupérer les valeurs de métriques.
databricks experiments get-logged-model
Obtenir un modèle enregistré.
databricks experiments get-logged-model MODEL_ID [flags]
Arguments
MODEL_ID
L'ID du modèle enregistré à récupérer.
Options
Exemples
L'exemple suivant obtient un modèle journalisé :
databricks experiments get-logged-model m-1234567890abcdef
databricks experiments get-run
Obtenez les métadonnées, métriques, paramètres et tags d'une exécution. Dans le cas où plusieurs métriques avec la même clé sont journalisées pour une exécution, renvoyez uniquement la valeur avec le timestamp le plus récent.
S'il existe plusieurs valeurs avec le Timestamp le plus récent, retournez la valeur maximale de ces valeurs.
databricks experiments get-run RUN_ID [flags]
Arguments
RUN_ID
ID de l'exécution à récupérer. Doit être fourni.
Options
--run-uuid string
Obsolète, utilisez --run_id à la place. ID de l'exécution à récupérer.
databricks expérimentations : lister les artefacts
Lister les artefacts pour une exécution. Prend un préfixe `artifact_path` facultatif qui, s'il est spécifié, la réponse contient uniquement les artefacts avec le préfixe spécifié. Un maximum de 1 000 artefacts sera récupéré pour les volumes Unity Catalog. Utilisez databricks fs ls pour lister les artefacts dans les volumes Unity Catalog, ce qui prend en charge la pagination.
databricks experiments list-artifacts [flags]
Arguments
Aucun
Options
--page-token string
Le jeton indiquant la page de résultats d'artefacts à récupérer.
--path string
Filtrer les artefacts correspondant à ce chemin (un chemin relatif à partir du répertoire racine des artefacts).
--run-id string
ID de l'exécution dont les artefacts doivent être listés.
--run-uuid string
Obsolète, utilisez --run_id à la place. ID de l'exécution dont les artefacts doivent être listés.
databricks expérimentations list-expérimentations
Obtenez la liste de toutes les expérimentations.
databricks experiments list-experiments [flags]
Arguments
Aucun
Options
--max-results int
Nombre maximal d'Experimentation souhaitées.
--page-token string
Jeton indiquant la page d'expérimentations à récupérer.
--view-type ViewType
Qualificatif pour le type d'expérimentations à retourner. Valeurs prises en charge : ACTIVE_ONLY, ALL, DELETED_ONLY
databricks log-batch Experimentation
Log un lot de métriques, de paramètres et de tags pour une exécution. Si des données n'ont pas pu être persistées, le serveur répondra avec une erreur (code de statut non-200). Pour le comportement de remplacement et les limites de requête, voir Experimentation.
databricks experiments log-batch [flags]
Arguments
Aucun
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--run-id string
ID de l'exécution sous laquelle enregistrer.
Logs des entrées des Experimentation Databricks
Expérimental
Cette commande est expérimentale.
Logs les entrées, telles que les datasets et les modèles, dans une exécution MLflow.
databricks experiments log-inputs RUN_ID [flags]
Arguments
RUN_ID
ID de l'exécution à enregistrer sous
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
databricks Experimentation log-paramètres-de-modèle-enregistrés
Paramètres de journalisation pour un modèle enregistré. Un paramètre est une paire clé-valeur (clé de chaîne, valeur de chaîne). Un paramètre ne peut être enregistré qu’une seule fois pour un modèle enregistré ; toute tentative de remplacement d’un paramètre existant par une valeur différente renvoie une erreur.
databricks experiments log-logged-model-params MODEL_ID [flags]
Arguments
MODEL_ID
L'ID du modèle enregistré pour lequel enregistrer les paramètres.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
Exemples
L'exemple suivant Logs des paramètres pour un modèle journalisé :
databricks experiments log-logged-model-params m-1234567890abcdef --json '{"params": [{"key": "learning_rate", "value": "0.01"}]}'
databricks expérimentations log-métrique
Enregistrer une métrique pour une exécution. Une métrique est une paire clé-valeur (clé de chaîne, valeur flottante) avec un timestamp associé. Les exemples incluent les diverses métriques qui représentent la précision des modèles ML. Une métrique peut être journalisée plusieurs fois.
databricks experiments log-metric KEY VALUE TIMESTAMP [flags]
Arguments
KEY
Nom de la métrique.
VALUE
Double valeur de la métrique journalisée.
TIMESTAMP
Timestamp Unix en millisecondes au moment où la métrique a été enregistrée.
Options
--dataset-digest string
Condensé du dataset associé à la métrique, par exemple.
--dataset-name string
Le nom du dataset associé à la métrique.
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--model-id string
ID du modèle enregistré associé à la métrique, le cas échéant.
--run-id string
ID de l'exécution sous laquelle consigner la métrique.
--run-uuid string
Obsolète, utilisez --run_id à la place. ID de l'exécution sous laquelle enregistrer la métrique.
--step int
Étape à laquelle enregistrer la métrique.
databricks experiments log-model
Enregistrer un modèle.
Expérimental
Cette commande est expérimentale.
databricks experiments log-model [flags]
Arguments
Aucun
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--model-json string
Fichier MLmodel au format JSON.
--run-id string
ID de l'exécution sous laquelle enregistrer.
logs de sortie des expérimentations Databricks
Enregistrer les sorties telles que les modèles d'une exécution MLflow.
databricks experiments log-outputs RUN_ID [flags]
Arguments
RUN_ID
L'ID de l'exécution à partir de laquelle journaliser les sorties.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
Exemples
L'exemple suivant Logs outputs from a run:
databricks experiments log-outputs abc123def456 --json '{"logged_models": [{"model_id": "m-1234567890abcdef"}]}'
databricks experimentation Logs
Enregistrez un paramètre utilisé pour une exécution. Un paramètre est une paire clé-valeur (clé de chaîne, valeur de chaîne). Il s'agit par exemple des hyperparamètres utilisés pour l'entraînement de modèles ML et des dates et valeurs constantes utilisées dans un pipeline ETL. Un paramètre peut être enregistré une seule fois pour une exécution.
databricks experiments log-param KEY VALUE [flags]
Arguments
KEY
Nom du paramètre. La taille maximale est de 255 octets.
VALUE
Valeur de chaîne du paramètre enregistré. La taille maximale est de 500 octets.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--run-id string
ID de l'exécution sous laquelle enregistrer le paramètre.
--run-uuid string
[Obsolète, utilisez run_id à la place] ID de l'exécution sous laquelle enregistrer le paramètre.
databricks Experimentations restaurer-Experimentation
Restaurer une expérimentation marquée pour suppression. Ceci restaure également les métadonnées, les exécutions, les métriques, les paramètres et les tags associés. Si l'expérimentation utilise FileStore, les artefacts sous-jacents associés à l'expérimentation sont également restaurés.
Génère RESOURCE_DOES_NOT_EXIST si l'expérience n'a jamais été créée ou a été supprimée définitivement.
databricks experiments restore-experiment EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
ID de l'expérimentation associée.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
databricks experiments restore-run
Restaurer une exécution supprimée. Cela restaure également les métadonnées associées, les exécutions, les métriques, les paramètres et les tags.
Lance RESOURCE_DOES_NOT_EXIST si l'exécution n'a jamais été créée ou a été supprimée définitivement.
databricks experiments restore-run RUN_ID [flags]
Arguments
RUN_ID
ID de l'exécution à restaurer.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
Restauration des exécutions d'Experimentation Databricks
Restaurer en bloc les exécutions d'une expérimentation qui n'ont pas été supprimées avant le timestamp spécifié. Restaure au maximum max_runs par requête.
databricks experiments restore-runs EXPERIMENT_ID MIN_TIMESTAMP_MILLIS [flags]
Arguments
EXPERIMENT_ID
L'ID de l'expérimentation contenant les exécutions à restaurer.
MIN_TIMESTAMP_MILLIS
Le Timestamp de suppression minimal en millisecondes depuis l'époque UNIX pour la restauration des exécutions. Seules les exécutions supprimées à partir de ce Timestamp sont restaurées.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--max-runs int
Un entier positif facultatif indiquant le nombre maximal d'exécutions à restaurer.
Databricks Expérimentations, recherche d'expérimentations
Recherche les expériences qui répondent aux critères de recherche spécifiés.
databricks experiments search-experiments [flags]
Arguments
Aucun
Options
--filter string
Chaîne représentant une condition de filtre SQL
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--max-results int
Nombre maximal d'Experimentation souhaitées.
--page-token string
Jeton indiquant la page d'expérimentations à récupérer.
--view-type ViewType
Qualificatif pour le type d'expérimentations à retourner. Valeurs prises en charge : ACTIVE_ONLY, ALL, DELETED_ONLY
Databricks Experimentation : rechercher les modèles enregistrés
Recherchez les modèles journalisés qui satisfont aux critères de recherche spécifiés.
databricks experiments search-logged-models [flags]
Options
--filter string
Une expression de filtre sur les informations et les données du modèle Logs qui renvoie un sous-ensemble de modèles Logs.
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--max-results int
Le nombre maximal de modèles enregistrés à renvoyer.
--page-token string
Le jeton indiquant la page des modèles enregistrés à récupérer.
Exemples
L'exemple suivant recherche les modèles enregistrés dans une Experimentation :
databricks experiments search-logged-models --filter 'experiment_id = "123456789"' --max-results 10
databricks expériences recherche-exécutions
Recherche les exécutions qui satisfont les expressions. Les expressions de recherche peuvent utiliser les clés mlflowMetric et mlflowParam.
databricks experiments search-runs [flags]
Arguments
Aucun
Options
--filter string
Une expression de filtre sur les paramètres, les métriques et les tags, qui permet de renvoyer un sous-ensemble d'exécutions.
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--max-results int
Nombre maximal d'exécutions souhaitées.
--page-token string
Jeton pour la page actuelle des exécutions.
--run-view-type ViewType
S'il faut afficher uniquement les exécutions actives, supprimées ou toutes les exécutions. Valeurs prises en charge : ACTIVE_ONLY, ALL, DELETED_ONLY
databricks expérimentations set-experiment-tag
Définit un tag pour une Experimentation. Les balises d'Experimentation sont des métadonnées qui peuvent être mises à jour.
databricks experiments set-experiment-tag EXPERIMENT_ID KEY VALUE [flags]
Arguments
EXPERIMENT_ID
ID de l'expérimentation sous laquelle log le tag. Doit être fourni.
KEY
Nom du tag. Les clés d'une taille maximale de 250 octets sont prises en charge.
VALUE
Valeur de chaîne du tag journalisé. Les valeurs d’une taille allant jusqu’à 64 Ko sont prises en charge.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
databricks Experimentation set-logged-model-tags
Définir les tags d'un modèle enregistré.
databricks experiments set-logged-model-tags MODEL_ID [flags]
Arguments
MODEL_ID
L'ID du modèle enregistré sur lequel définir les tags.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
Exemples
L'exemple suivant définit des tags sur un modèle de Logs :
databricks experiments set-logged-model-tags m-1234567890abcdef --json '{"tags": [{"key": "stage", "value": "production"}]}'
databricks experiments set-tag
Définit un tag sur une exécution. Les tags sont des métadonnées d'exécution qui peuvent être mises à jour pendant et après la fin d'une exécution.
databricks experiments set-tag KEY VALUE [flags]
Arguments
KEY
Nom du tag. Les clés d'une taille maximale de 250 octets sont prises en charge.
VALUE
Valeur de chaîne du tag journalisé. Les valeurs d’une taille allant jusqu’à 64 Ko sont prises en charge.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--run-id string
ID de l'exécution sous laquelle consigner le tag.
--run-uuid string
Obsolète, utilisez --run_id à la place. ID de l'exécution sous laquelle journaliser le tag.
databricks experiments update-experiment
Mettre à jour une expérimentation.
databricks experiments update-experiment EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
ID de l'expérimentation associée.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--new-name string
Si fourni, le nom de l'expérimentation est remplacé par le nouveau nom.
databricks Experimentation update-run
Mettre à jour une exécution.
databricks experiments update-run [flags]
Arguments
Aucun
Options
--end-time int
Timestamp en millisecondes de la fin de l'exécution.
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
--run-id string
ID de l'exécution à mettre à jour.
--run-name string
Nom de l'exécution mis à jour.
--run-uuid string
Obsolète, utilisez --run_id à la place. ID de l'exécution à mettre à jour.
--status UpdateRunStatus
État mis à jour de l’exécution. Valeurs prises en charge : FAILED, FINISHED, KILLED, RUNNING SCHEDULED
databricks experiments get-permission-levels
Obtenez les niveaux d'autorisation d'expérimentation.
databricks experiments get-permission-levels EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
L'Experimentation pour laquelle obtenir ou gérer les autorisations.
Options
databricks Experimentation get-permissions
Obtenir les autorisations d'une expérimentation. Les expérimentations peuvent hériter des autorisations de leur objet racine.
databricks experiments get-permissions EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
L'Experimentation pour laquelle obtenir ou gérer les autorisations.
Options
databricks experiments set-permissions
Définir les autorisations d'expérimentation.
Définit les autorisations sur un objet, en remplaçant les autorisations existantes si elles existent. Supprime toutes les autorisations directes si aucune n'est spécifiée. Les objets peuvent hériter des autorisations de leur objet racine.
databricks experiments set-permissions EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
L'Experimentation pour laquelle obtenir ou gérer les autorisations.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
databricks expérimentations mise-à-jour-permissions
Mettre à jour les autorisations d'Experimentation. Les expérimentations peuvent hériter des autorisations de leur objet racine.
databricks experiments update-permissions EXPERIMENT_ID [flags]
Arguments
EXPERIMENT_ID
L'Experimentation pour laquelle obtenir ou gérer les autorisations.
Options
--json JSON
La chaîne JSON en ligne ou le @chemin vers le fichier JSON avec le corps de la requête.
Drapeaux globaux
--debug
Activer ou non la journalisation de débogage.
-h ou --help
Afficher l'aide de Databricks CLI ou du groupe de commandes associé ou de la commande associée.
--log-file chaîne
Une chaîne représentant le fichier dans lequel écrire les logs de sortie. Si cet indicateur n'est pas spécifié, la default est d'écrire les logs de sortie dans stderr.
--log-format Format
Le type de format de log, text ou json. La valeur par default est text.
--log-level chaîne
Une chaîne représentant le niveau de format du log. S'il n'est pas spécifié, le niveau de format du log est désactivé.
-o, --output Type
Le type de sortie de commande, text ou json. La valeur par default est text.
-p, --profile chaîne
Nom du profil dans le fichier ~/.databrickscfg à utiliser pour exécuter la commande. Si cet indicateur n'est pas spécifié, alors s'il existe, le profil nommé DEFAULT est utilisé.
--progress-format Format
Le format pour afficher les logs de progression : default, append, inplace ou json
-t, --target chaîne
Le cas échéant, la cible de bundle à utiliser