az ml model
Hinweis
Diese Referenz ist Teil der Azure-cli-ml-Erweiterung für die Azure CLI (Version 2.0.28 oder höher). Die Erweiterung installiert automatisch beim ersten Ausführen eines Az ml-Modellbefehls . Weitere Informationen zu Erweiterungen
Verwalten von Machine Learning-Modellen.
Befehle
| az ml model delete |
Löschen Sie ein Modell aus dem Arbeitsbereich. |
| az ml model deploy |
Bereitstellen von Modell(n) aus dem Arbeitsbereich. |
| az ml model download |
Laden Sie ein Modell aus dem Arbeitsbereich herunter. |
| az ml model list |
Listenmodelle im Arbeitsbereich auf. |
| az ml model package |
Packen Sie ein Modell im Arbeitsbereich. |
| az ml model profile |
Profilmodell(n) im Arbeitsbereich. |
| az ml model register |
Registrieren eines Modells im Arbeitsbereich. |
| az ml model show |
Zeigen Sie ein Modell im Arbeitsbereich an. |
| az ml model update |
Aktualisieren eines Modells im Arbeitsbereich. |
az ml model delete
Löschen Sie ein Modell aus dem Arbeitsbereich.
az ml model delete --model-id
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Erforderliche Parameter
ID des zu löschenden Modells.
Optionale Parameter
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Gibt die Abonnement-ID an.
Name des Arbeitsbereichs
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model deploy
Stellen Sie Modell(en) aus dem Arbeitsbereich bereit.
az ml model deploy --name
[--ae]
[--ai]
[--ar]
[--as]
[--at]
[--autoscale-max-replicas]
[--autoscale-min-replicas]
[--base-image]
[--base-image-registry]
[--cc]
[--ccl]
[--cf]
[--collect-model-data]
[--compute-target]
[--compute-type]
[--cuda-version]
[--dc]
[--description]
[--dn]
[--ds]
[--ed]
[--eg]
[--entry-script]
[--environment-name]
[--environment-version]
[--failure-threshold]
[--gb]
[--gbl]
[--gc]
[--ic]
[--id]
[--key-name]
[--key-version]
[--kp]
[--ks]
[--lo]
[--max-request-wait-time]
[--model]
[--model-metadata-file]
[--namespace]
[--no-wait]
[--nr]
[--overwrite]
[--path]
[--period-seconds]
[--pi]
[--po]
[--property]
[--replica-max-concurrent-requests]
[--resource-group]
[--rt]
[--sc]
[--scoring-timeout-ms]
[--sd]
[--se]
[--sk]
[--sp]
[--st]
[--subnet-name]
[--subscription-id]
[--tag]
[--timeout-seconds]
[--token-auth-enabled]
[--tp]
[--vault-base-url]
[--version-name]
[--vnet-name]
[--workspace-name]
[-v]Erforderliche Parameter
Der Name des bereitgestellten Diensts.
Optionale Parameter
Gibt an, ob die Schlüsselauthentifizierung für diesen Webdienst aktiviert werden soll. Der Standardwert lautet „False“.
Gibt an, ob für diesen Webdienst AppInsights aktiviert werden soll. Der Standardwert lautet „False“.
Gibt an, wie oft die Autoskalierung versuchen soll, diesen Webdienst zu skalieren. Der Standardwert lautet 1.
Gibt an, ob die automatische Skalierung für diesen Webdienst aktiviert werden soll. Der Standardwert ist „True“, wenn num_replicas „None“ ist.
Die Zielauslastung (in Prozent bis 100), die die Autoskalierung für den Webdienst nach Möglichkeit aufrechterhalten soll. Der Standardwert ist 70.
Die maximale Anzahl von Containern, die bei der automatischen Skalierung dieses Webdiensts verwendet werden sollen. Der Standardwert ist 10.
Die Mindestanzahl von Containern, die bei der automatischen Skalierung dieses Webdiensts verwendet werden sollen. Der Standardwert lautet 1.
Ein benutzerdefiniertes Image, das als Basisimage verwendet werden soll. Wenn kein Basisimage angegeben wird, wird das Basisimage basierend auf dem angegebenen Runtimeparameter verwendet.
Imageregistrierung, die das Basisimage enthält.
Die Anzahl von CPU-Kernen, die für diesen Webdienst zugeordnet werden sollen. Dabei kann es sich um eine Dezimalzahl handeln. Der Standardwert ist 0,1.
Maximale Anzahl der CPU-Kerne, die dieser Webdienst verwenden darf. Kann eine Dezimalzahl sein.
Pfad zur lokalen Datei, die eine für das Image zu verwendende Conda-Umgebungsdefinition enthält.
Gibt an, ob die Modelldatensammlung für diesen Webdienst aktiviert werden soll. Der Standardwert lautet „False“.
Name des Berechnungsziels. Gilt nur für die Bereitstellung in AKS.
Berechnen sie den Diensttyp, der bereitgestellt werden soll.
CUDA-Version, die für Images installiert wird, die GPU-Unterstützung benötigen. Das GPU-Image muss in Microsoft Azure-Diensten wie Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines und Azure Kubernetes Service verwendet werden. Unterstützt werden die Versionen 9.0, 9.1 und 10.0. Wenn „enable_gpu“ festgelegt ist, wird standardmäßig „9.1“ verwendet.
Pfad zu einer JSON- oder YAML-Datei mit Bereitstellungsmetadaten.
Beschreibung des bereitgestellten Diensts.
Der DNS-Name für diesen Webservice.
Pfad zur lokalen Datei mit zusätzlichen Docker-Schritten, die bei der Einrichtung des Images ausgeführt werden.
Verzeichnis für Azure Machine Learning Environment für die Bereitstellung. Es ist der gleiche Verzeichnispfad wie im Befehl "az ml environment scaffold" angegeben.
Gibt an, ob die GPU-Unterstützung im Image aktiviert werden soll. Das GPU-Image muss in Microsoft Azure-Diensten wie Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines und Azure Kubernetes Service verwendet werden. Der Standardwert lautet „False“.
Pfad zu lokaler Datei, die den Code enthält, der für den Dienst ausgeführt werden soll (relativer Pfad von source_directory, wenn eine bereitgestellt wird).
Name der Azure Machine Learning-Umgebung für die Bereitstellung.
Version einer vorhandenen Azure Machine Learning-Umgebung für die Bereitstellung.
Wenn ein Pod gestartet wird und der Liveness-Prüfpunkt fehlschlägt, versucht Kubernetes vor dem Aufgeben --Fehler-Schwellenwerte. Der Standardwert ist 3. Der Mindestwert ist 1.
Menge an Arbeitsspeicher (in GB), die für diesen Webdienst zugeordnet werden soll. Kann eine Dezimalzahl sein.
Die maximale Arbeitsspeichermenge (in GB), die von diesem Webdienst verwendet werden darf. Kann eine Dezimalzahl sein.
Die Anzahl der GPU-Kerne, die für diesen Webdienst zugewiesen werden sollen. Der Standardwert ist 1.
Pfad zu einer JSON- oder YAML-Datei, die eine Inferencekonfiguration enthält.
Die Anzahl der Sekunden, die nach dem Start des Containers vergehen, bevor Livetests initiiert werden. Der Standardwert ist 310.
Schlüsselname für Verschlüsselungseigenschaften in kundengesteuerten Schlüsseln (CMK) für ACI.
Schlüsselversion für Verschlüsselungseigenschaften in kundengesteuerten Schlüsseln (CMK) für ACI.
Ein primärer Authentifizierungsschlüssel, der für diesen Webdienst verwendet werden soll
Ein sekundärer Authentifizierungsschlüssel, der für diesen Webdienst verwendet werden soll
Die Azure-Region, in der dieser Webdienst bereitgestellt werden soll. Wenn keine Region angegeben ist, wird der Standort des Arbeitsbereichs verwendet. Weitere Informationen zu verfügbaren Regionen finden Sie hier: https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all&products=container-instances.
Die maximale Zeitspanne, die eine Anforderung in der Warteschlange verbleibt (in Millisekunden), bevor der Fehler 503 zurückgegeben wird. Standardwerte auf 500.
Die ID des zu bereitstellenden Modells. Mehrere Modelle können mit zusätzlichen -m-Argumenten angegeben werden. Modelle müssen zuerst registriert werden.
Pfad zu einer JSON-Datei mit Modellregistrierungsmetadaten. Mehrere Modelle können mithilfe mehrerer -f-Parameter bereitgestellt werden.
Kubernetes-Namespace, in dem der Dienst bereitgestellt werden soll: bis zu 63 Kleinbuchstaben ('a'-'z', '0'-'9') und Bindestriche ('-'). Als erstes und letztes Zeichen dürfen keine Bindestriche verwendet werden. Gilt nur für die Bereitstellung in AKS.
Flag to not wait for asynchron calls.
Die Anzahl von Containern, die für diesen Webdienst zugeordnet werden sollen. Für diese gibt es keinen Standardwert. Wenn dieser Parameter nicht festgelegt wird, wird die Autoskalierung automatisch aktiviert.
Überschreiben Sie den vorhandenen Dienst, wenn der Name konfliktet.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Gibt an, wie häufig (in Sekunden) ein Livetest durchgeführt werden soll. Der Standardwert ist 10 Sekunden. Der Mindestwert ist 1.
Pfad zu einer JSON-Datei, die Profilerstellungsergebnisse enthält.
Der lokale Port, auf dem der HTTP-Endpunkt des Diensts verfügbar gemacht werden soll.
Key/Value-Eigenschaft, die hinzugefügt werden soll (z. B..key=wert). Mehrere Eigenschaften können mit mehreren --Eigenschaftsoptionen angegeben werden.
Die Anzahl der maximalen gleichzeitigen Anforderungen pro Knoten, die für diesen Webdienst zulässig sind. Der Standardwert lautet 1.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Welche Laufzeit für das Bild verwendet werden soll. Aktuelle unterstützte Laufzeiten sind "spark-py" und "python"spark-py|python|python-slim.
Der CNAME, wenn SSL aktiviert ist.
Eine Zeitüberschreitung, die für Bewertungsaufrufe an diesen Webdienst erzwungen wird. Der Standardwert ist 60000.
Pfad zu Ordnern, die alle Dateien zum Erstellen des Images enthalten.
Gibt an, ob für diesen Webdienst SSL aktiviert werden soll. Der Standardwert lautet „False“.
Die benötigte KEY-Datei, wenn SSL aktiviert ist.
Die benötigte CERT-Datei, wenn SSL aktiviert ist.
Die Anzahl der Erfolge, die mindestens aufeinander folgen müssen, damit ein Livetest nach einem Fehler wieder als erfolgreich betrachtet wird. Der Standardwert lautet 1. Der Mindestwert ist 1.
Der Name des Subnetzes innerhalb des VNet.
Gibt die Abonnement-ID an.
Schlüssel-/Werttag, das hinzugefügt werden soll (z. B..key=Wert). Mehrere Tags können mit mehreren -Tag-Optionen angegeben werden.
Die Anzahl von Sekunden, nach denen das Zeitlimit für den Livetest überschritten ist. Der Standardwert ist 2 Sekunden. Der Mindestwert ist 1.
Gibt an, ob die Tokenauth für diesen Webdienst aktiviert werden soll. Wird ignoriert, wenn keine Bereitstellung in AKS erfolgt. Der Standardwert lautet „False“.
Die Menge des Datenverkehrs, den die Version in einem Endpunkt empfängt. Kann eine Dezimalzahl sein. Der Standardwert ist 0.
Vault-Basis-URL für Verschlüsselungseigenschaften in vom Kunden verwalteten Schlüsseln (CMK) für ACI.
Der Versionsname in einem Endpunkt. Standardwerte für den Endpunktnamen für die erste Version.
Der Name des virtuellen Netzwerks.
Name des Arbeitsbereichs
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model download
Laden Sie ein Modell aus dem Arbeitsbereich herunter.
az ml model download --model-id
--target-dir
[--overwrite]
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Erforderliche Parameter
ID des Modells.
Zielverzeichnis, in das die Modelldatei heruntergeladen werden soll.
Optionale Parameter
Überschreiben, wenn die gleiche Namensdatei im Zielverzeichnis vorhanden ist.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Gibt die Abonnement-ID an.
Name des Arbeitsbereichs, der das anzuzeigende Modell enthält.
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model list
Listenmodelle im Arbeitsbereich.
az ml model list [--dataset-id]
[--latest]
[--model-name]
[--path]
[--property]
[--resource-group]
[--run-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]Optionale Parameter
Wenn angegeben, werden nur Modelle mit der angegebenen Dataset-ID angezeigt.
Wenn angegeben, werden nur Modelle mit der neuesten Version zurückgegeben.
Ein optionaler Modellname zum Filtern der Liste nach.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Key/Value-Eigenschaft, die hinzugefügt werden soll (z. B..key=wert). Mehrere Eigenschaften können mit mehreren --Eigenschaftsoptionen angegeben werden.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Wenn angegeben, werden nur Modelle mit der angegebenen Run-ID angezeigt.
Gibt die Abonnement-ID an.
Schlüssel-/Werttag, das hinzugefügt werden soll (z. B..key=Wert). Mehrere Tags können mit mehreren -Tag-Optionen angegeben werden.
Name des Arbeitsbereichs, der Modelle enthält, die listet werden sollen.
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model package
Packen Sie ein Modell im Arbeitsbereich.
az ml model package [--cf]
[--ed]
[--entry-script]
[--environment-name]
[--environment-version]
[--ic]
[--il]
[--image-name]
[--model]
[--model-metadata-file]
[--no-wait]
[--output-path]
[--path]
[--resource-group]
[--rt]
[--sd]
[--subscription-id]
[--workspace-name]
[-v]Optionale Parameter
Pfad zur lokalen Datei, die eine Conda-Umgebungsdefinition enthält, die für das Paket verwendet werden soll.
Verzeichnis für Azure Machine Learning Environment für die Verpackung. Es ist derselbe Verzeichnispfad wie im Befehl "az ml environment scaffold" angegeben.
Pfad zur lokalen Datei, die den Code enthält, der für den Dienst ausgeführt werden soll (relativer Pfad von source_directory, wenn eine bereitgestellt wird).
Name der Azure Machine Learning-Umgebung für die Verpackung.
Version einer vorhandenen Azure Machine Learning-Umgebung zum Verpacken.
Pfad zu einer JSON- oder YAML-Datei, die die Schlussfolgerungskonfiguration enthält.
Beschriftung, um dem integrierten Paketimage zu verleihen.
Name, der dem integrierten Paketimage zugewiesen werden soll.
Die ID des modells, das verpackt werden soll. Mehrere Modelle können mit zusätzlichen -m-Argumenten angegeben werden. Modelle müssen zuerst registriert werden.
Pfad zu einer JSON-Datei, die Modellregistrierungsmetadaten enthält. Mehrere Modelle können mit mehreren -f-Parametern bereitgestellt werden.
Flag to not wait for asynchron calls.
Ausgabepfad für Docker-Kontext. Wenn ein Ausgabepfad übergeben wird, anstatt ein Image im Arbeitsbereich ACR zu erstellen, werden eine Dockerfile und der erforderliche Buildkontext in diesen Pfad geschrieben.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Welche Laufzeit für das Paket verwendet werden soll. Aktuelle unterstützte Laufzeiten sind "spark-py" und "python"spark-py|python|python-slim.
Pfad zu Ordnern, die alle Dateien zum Erstellen des Images enthalten.
Gibt die Abonnement-ID an.
Name des Arbeitsbereichs
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model profile
Profilmodell(n) im Arbeitsbereich.
az ml model profile --name
[--base-image]
[--base-image-registry]
[--cc]
[--cf]
[--description]
[--ed]
[--entry-script]
[--environment-name]
[--environment-version]
[--gb]
[--ic]
[--idi]
[--model]
[--model-metadata-file]
[--output-metadata-file]
[--resource-group]
[--sd]
[--subscription-id]
[--workspace-name]
[-v]Erforderliche Parameter
Der Name des Modellprofils.
Optionale Parameter
Ein benutzerdefiniertes Image, das als Basisimage verwendet werden soll. Wenn kein Basisimage angegeben wird, wird das Basisimage basierend auf dem angegebenen Runtimeparameter verwendet.
Imageregistrierung, die das Basisimage enthält.
Doppelter Wert für die maximale CPU, die beim Profilieren verwendet werden soll.
Pfad zur lokalen Datei, die eine für das Image zu verwendende Conda-Umgebungsdefinition enthält.
Beschreibung des Modellprofils.
Verzeichnis für Azure Machine Learning Environment für die Bereitstellung. Es ist derselbe Verzeichnispfad wie im Befehl "az ml environment scaffold" angegeben.
Pfad zur lokalen Datei, die den Code enthält, der für den Dienst ausgeführt werden soll (relativer Pfad von source_directory, wenn eine bereitgestellt wird).
Name der Azure Machine Learning-Umgebung für die Bereitstellung.
Version einer vorhandenen Azure Machine Learning-Umgebung für die Bereitstellung.
Doppelter Wert für maximalen Arbeitsspeicher, der beim Profilieren verwendet werden soll.
Pfad zu einer JSON- oder YAML-Datei, die die Schlussfolgerungskonfiguration enthält.
ID des Tabellarischen Datasets, das als Eingabe für das Profil verwendet werden soll.
Die ID des zu bereitstellenden Modells. Mehrere Modelle können mit zusätzlichen -m-Argumenten angegeben werden. Modelle müssen zuerst registriert werden.
Pfad zu einer JSON-Datei, die Modellregistrierungsmetadaten enthält. Mehrere Modelle können mit mehreren -f-Parametern bereitgestellt werden.
Pfad zu einer JSON-Datei, in der Profilergebnissemetadaten geschrieben werden. Wird als Eingabe für die Modellbereitstellung verwendet.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Pfad zu Ordnern, die alle Dateien zum Erstellen des Images enthalten.
Gibt die Abonnement-ID an.
Name des Arbeitsbereichs
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model register
Registrieren sie ein Modell für den Arbeitsbereich.
az ml model register --name
[--asset-path]
[--cc]
[--description]
[--experiment-name]
[--gb]
[--gc]
[--model-framework]
[--model-framework-version]
[--model-path]
[--output-metadata-file]
[--path]
[--property]
[--resource-group]
[--run-id]
[--run-metadata-file]
[--sample-input-dataset-id]
[--sample-output-dataset-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]Erforderliche Parameter
Name des zu registrierenden Modells.
Optionale Parameter
Der Cloudpfad, in dem die Experiement ausgeführt wird, speichert die Modelldatei.
Die Standardanzahl der CPU-Kerne, die für dieses Modell zugewiesen werden sollen. Kann eine Dezimalzahl sein.
Beschreibung des Modells.
Der Name des Experiments.
Der Standardspeicher (in GB), der für dieses Modell zugewiesen werden soll. Kann eine Dezimalzahl sein.
Die Standardnummer der GPUs, die für dieses Modell zugewiesen werden sollen.
Rahmen des zu registrierenden Modells. Derzeit unterstützte Frameworks: TensorFlow, ScikitLearn, Onnx, Custom, Multi.
Frameworkversion des Zu registrierenden Modells (z. B. 1.0.0, 2.4.1).
Vollständiger Pfad der zu registrierenden Modelldatei.
Pfad zu einer JSON-Datei, in der Modellregistrierungsmetadaten geschrieben werden. Wird als Eingabe für die Modellbereitstellung verwendet.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Key/Value-Eigenschaft, die hinzugefügt werden soll (z. B..key=wert). Mehrere Eigenschaften können mit mehreren --Eigenschaftsoptionen angegeben werden.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Die ID für die Experimentausführung, bei der das Modell registriert ist.
Pfad zu einer JSON-Datei, die Experiement-Metadaten enthält.
Die ID für das Beispieleingabe-Dataset.
Die ID für das Beispielausgabe-Dataset.
Gibt die Abonnement-ID an.
Schlüssel-/Werttag, das hinzugefügt werden soll (z. B..key=Wert). Mehrere Tags können mit mehreren -Tag-Optionen angegeben werden.
Name des Arbeitsbereichs, mit dem dieses Modell registriert werden soll.
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model show
Ein Modell im Arbeitsbereich anzeigen.
az ml model show [--model-id]
[--model-name]
[--path]
[--resource-group]
[--run-id]
[--subscription-id]
[--version]
[--workspace-name]
[-v]Optionale Parameter
ID des anzuzeigenden Modells.
Name des anzuzeigenden Modells.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Wenn angegeben, werden nur Modelle mit der angegebenen Run-ID angezeigt.
Gibt die Abonnement-ID an.
Wenn angegeben, werden nur Modelle mit dem angegebenen Namen und der angegebenen Version angezeigt.
Name des Arbeitsbereichs, der das anzuzeigende Modell enthält.
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml model update
Aktualisieren eines Modells im Arbeitsbereich.
az ml model update --model-id
[--add-property]
[--add-tag]
[--cc]
[--description]
[--gb]
[--gc]
[--path]
[--remove-tag]
[--resource-group]
[--sample-input-dataset-id]
[--sample-output-dataset-id]
[--subscription-id]
[--workspace-name]
[-v]Erforderliche Parameter
ID des Modells.
Optionale Parameter
Key/Value-Eigenschaft, die hinzugefügt werden soll (z. B..key=wert). Mehrere Eigenschaften können mit mehreren --add-property-Optionen angegeben werden.
Schlüssel-/Werttag, das hinzugefügt werden soll (z. B..key=Wert). Mehrere Tags können mit mehreren --add-tag-Optionen angegeben werden.
Die Standardanzahl der CPU-Kerne, die für dieses Modell zugewiesen werden sollen. Kann eine Dezimalzahl sein.
Beschreibung zum Aktualisieren des Modells mit. Ersetzt die aktuelle Beschreibung.
Der Standardspeicher (in GB), der für dieses Modell zugewiesen werden soll. Kann eine Dezimalzahl sein.
Die Standardnummer der GPUs, die für dieses Modell zugewiesen werden sollen.
Pfad zu einem Projektordner. Standard: aktuelles Verzeichnis.
Schlüssel des zu entfernenden Tags. Mehrere Tags können mit mehreren --remove-tag-Optionen angegeben werden.
Ressourcengruppe, die dem bereitgestellten Arbeitsbereich entspricht.
Die ID für das Beispieleingabe-Dataset.
Die ID für das Beispielausgabe-Dataset.
Gibt die Abonnement-ID an.
Name des Arbeitsbereichs
Verbosity-Flag.
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
Feedback
Feedback senden und anzeigen für