我們聊完了整個 Model catalog、開源模型的部署、Fine Tune、RAG，接下來我們再來聊別的主題吧：CLI 和 SDK

Azure Machine Learning CLI v 2 是 Azure CLI 的最新擴充功能。 CLI v 2 會以 az ml <noun><verb><options> 的格式提供命令，以建立和維護 Machine Learning asset 和工作流程。但是我幾乎沒有在使用 CLI ，因為比較起來，我更愛 Python SDK，因為彈性更高。

我以前寫過 Azure Machine Learning Python SDK v 1 的系列教學文了，可以去這裡看 https://ithelp.ithome.com.tw/users/20120030/ironman/4905 。

後來微軟推出了 v2 的 Python SDK，更好用也更有彈性。

Azure Machine Learning Python SDK v1 沒有計劃的淘汰日期。如果您對 Python SDK v1 進行了大量投資，而且不需要 SDK v2 所提供的任何新功能，則可以繼續使用 SDK v1。不過，如果有下列情形，請考慮使用 SDK v2：

• 您想要使用新功能，例如可重複使用的元件和 managed inference 的功能。
• 您正在啟動新的工作流程或 pipeline，所有新功能都會在 v2 中推出。
• 想要提高 function 的可用性的話，Python SDK v2 會比較好。

使用 SDK V2 開一個新的 workspace

我們可以使用指令來安裝 SDK v2：poetry add azure-ai-ml

from azure.identity import DefaultAzureCredential
from azure.ai.ml import MLClient
from azure.ai.ml.entities import Workspace


# 創建 Azure 憑證
credential = DefaultAzureCredential(interactive_browser_tenant_id="<你的 tenant id>")


# 創建 MLClient，這裡不需要工作區名稱
ml_client = MLClient(
    credential=credential,
    subscription_id="<你的 subscription id>",
    resource_group_name="ironman2024"
)

# 設置工作區的相關參數
workspace = Workspace(
    name="ironman2024-eastus2",
    location="eastus2",  # 例如 "eastus"
    resource_group="ironman2024"
)

# 創建新的工作區
workspace_creation = ml_client.workspaces.begin_create(workspace).result()

print(f"工作區 '{workspace_creation.name}' 已成功創建，位於 {workspace_creation.location}")

我們這樣子就在 eastus2 開好了一個 workspace 了，如下圖所示。你要 fine tune Phi 3 model 就可以在這個 workspace 裡操作哦！

比較 SDK V1 開一個新的 workspace 的寫法

為了方便讀者比較兩個版本的寫法，下面附上 SDK V1 的寫法。使用的套件是 azureml-sdk，這個和現在寫法是完全不一樣的

from azureml.core import Workspace
ws = Workspace.create(name='<您要的workspace名稱'>,
                      subscription_id='<您的subscription_id'>,
                      resource_group='ironman-sdk', # 您的resource_group名稱
                      create_resource_group=True, # resource_group 不存在時，是否建立新的。
                      location='westus2' # 地點
                      )

明天我們就來看 Azure ML 在生成式 AI 時代下的另一個功能：Prompt Flow 吧！