Installez l'ancienne CLI Python pour AI Runtime
Cette documentation a été retirée et ne sera peut-être pas mise à jour.
Le CLI air basé sur Python, installé avec le package databricks-air, est désormais déprécié et n’est plus activement maintenu.
Utilisez la CLI Databricks pour les nouvelles charges de travail. Consultez Use the Databricks CLI with AI Runtime.
Installez la CLI air avec uv et authentifiez-la auprès d'un Workspace Databricks à l'aide d'un profil de CLI Databricks. La CLI requiert Python 3,10 ou une version ultérieure.
Prérequis
- Python 3.10 ou version ultérieure.
- Un workspace Databricks avec l’AI Runtime activé. Consultez la rubrique Requirements.
- La CLI Databricks, qui gère les profils d'authentification dans
~/.databrickscfg.
Installer la CLI
Databricks recommande d’installer la CLI avec uv:
uv tool install --force databricks-air --python 3.12
uv tool install place air dans son propre environnement isolé et l'expose sur votre PATH, de sorte qu'il n'entre pas en conflit avec l'interpréteur Python que vous utilisez pour votre code d'entraînement.
--python 3.12 est recommandé, mais optionnel. Si vous ne spécifiez pas la version de Python, uv utilise la dernière version disponible qui satisfait la contrainte Python du package.
Si vous n'avez pas encore uv, installez-le d'abord :
curl -LsSf https://astral.sh/uv/install.sh | sh
Vérifiez l’installation :
air --version
air --help
S’authentifier
La CLI d'AI Runtime réutilise les profils d'authentification de la CLI Databricks. Connectez-vous à votre workspace et nommez le profil lorsque vous y êtes invité :
databricks auth login --host https://<your-workspace>.cloud.databricks.com
Transmettez le nom du profil à n'importe quelle commande air avec -p. Par exemple :
air list runs -p my-workspace
Vous pouvez également définir DATABRICKS_CONFIG_PROFILE dans votre Shell pour faire d'un profil le default :
export DATABRICKS_CONFIG_PROFILE=my-workspace
Pour toutes les options d’authentification, consultez Authentication for the Databricks CLI.
Ressources supplémentaires
Après l'installation, définissez les charges de travail dans une configuration train.yaml avec des dépendances en ligne. Start par le démarrage rapide, puis utilisez la référence YAML lors de la création de votre configuration :