在管理 AI 项目时，命令行界面 (CLI) 是一个强大的工具。借助 ClearML，CLI 成为创建作业模板、为 JupyterLab、VS Code 或 SSH 启动远程开发环境，以及在能更好满足资源需求的远程机器上执行代码的重要资源。ClearML 的 CLI 专为 AI 工作负载设计，提供无缝控制和高效性，赋能用户最大化其 AI 工作成果。
对于喜欢直接从终端工作的人来说，CLI 提供了一种轻松高效的方式来管理工作负载。用户可以提交作业，根据需要进行调整，并监控其进度——所有这些都可以在他们偏好的终端中完成。这种体验旨在尽可能地直接和自助。让我们来探索它是如何工作的。
ClearML Task CLI
ClearML Task CLI 使用户能够以最小的努力在远程资源上（无论是本地还是云端）启动代码。它允许对未连接到 ClearML 的代码进行超参数优化，并通过将脚本转换为管道来帮助自动化脚本。用户只需指定项目和任务名称以及他们的脚本。此外，他们还可以选择指定队列和 Docker 镜像，以便更精确地控制其执行环境。
ClearML Session CLI
ClearML Session CLI 旨在易于使用，即使在远程操作时，也能让用户感觉像是在本地机器上工作。数据科学家和机器学习工程师可以直接在远程计算资源上启动任何容器，这些容器根据他们的规格定制，并配备可用于安全通信的 JupyterLab、VS Code 或 SSH 会话。会话可以暂停和恢复，同时保存环境状态和工件。ClearML 企业客户还可以在其 Kubernetes Pod 中直接启动会话。
集群灵活性
ClearML CLI 客户端简化了在计算资源之间转移工作负载的过程。用户可以轻松地在任何可用的机器上启动或恢复一个完全配置好、安全连接的工作环境，而不会因手动配置、设置或依赖解析而受到阻碍。
ClearML CLI 的优势
ClearML 的 CLI 通过消除耗时且易错的设置，显著加速 AI 开发，并提供：
- 安全性：通过安全的网络连接，可在任何连接的计算资源上使用自定义开发环境
- 简洁性：几乎不需要代码
- 灵活性：随着计算资源可用，无缝转移工作负载
准备好启动了吗？
ClearML 允许用户仅使用命令行来跟踪其工作，并将其与现有代码集成，无需添加任何额外的代码行。它简单而高效。
要了解 ClearML 如何增强 AI 开发并提高效率，助您的 AI 项目更上一层楼，请考虑今天预订演示。
