Feedback

az ml batch-endpoint

  • Referenz

Hinweis

Dieser Verweis ist Teil der ml-Erweiterung für die Azure CLI (Version 2.15.0 oder höher). Die Erweiterung wird automatisch installiert, wenn Sie einen Az ml-Batch-Endpunktbefehl ausführen. Weitere Informationen zu Erweiterungen

Verwalten von Azure ML-Batchendpunkten.

Azure ML-Endpunkte bieten eine einfache Schnittstelle zum Erstellen und Verwalten von Modellbereitstellungen. Jeder Endpunkt kann über eine oder mehrere Bereitstellungen verfügen. Batchendpunkte werden für die Offlinebatchbewertung verwendet.

Befehle

az ml batch-endpoint create

Erstellen Sie einen Endpunkt.
az ml batch-endpoint delete

Löschen eines Endpunkts.
az ml batch-endpoint invoke

Rufen Sie einen Endpunkt auf.
az ml batch-endpoint list

Auflisten von Endpunkten in einem Arbeitsbereich.
az ml batch-endpoint list-jobs

Listet die Batchbewertungsaufträge für einen Batchendpunkt auf.
az ml batch-endpoint show

Details für einen Endpunkt anzeigen.
az ml batch-endpoint update

Aktualisieren eines Endpunkts.

az ml batch-endpoint create

Erstellen Sie einen Endpunkt.

Um einen Endpunkt zu erstellen, stellen Sie eine YAML-Datei mit einer Batchendpunktkonfiguration bereit. Wenn der Endpunkt bereits vorhanden ist, wird er mit den neuen Einstellungen überschreiben.

az ml batch-endpoint create --resource-group
                            --workspace-name
                            [--file]
                            [--name]
                            [--no-wait]
                            [--set]

Beispiele

Erstellen eines Endpunkts aus einer YAML-Spezifikationsdatei

az ml batch-endpoint create --file endpoint.yml --resource-group my-resource-group --workspace-name my-workspace

Erstellen eines Endpunkts mit Namen

az ml batch-endpoint create --name endpointname --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

Optionale Parameter

--file -f

Lokaler Pfad zur YAML-Datei, die die Azure ML-Batchendpunktspezifikation enthält. Die YAML-Referenzdokumente für Batchendpunkt finden Sie unter: https://aka.ms/ml-cli-v2-endpoint-batch-yaml-reference.

--name -n

Name des Batchendpunkts.

--no-wait

Warten Sie nicht, bis der lange Ausgeführte Vorgang abgeschlossen ist. Der Standardwert lautet False.

--set

Aktualisieren Sie ein Objekt, indem Sie einen Eigenschaftspfad und einen festzulegenden Wert angeben. Beispiel: --set property1.property2=.

az ml batch-endpoint delete

Löschen eines Endpunkts.

az ml batch-endpoint delete --name
                            --resource-group
                            --workspace-name
                            [--no-wait]
                            [--yes]

Beispiele

Löschen eines Batchendpunkts, einschließlich aller Bereitstellungen

az ml batch-endpoint delete --name my-batch-endpoint --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--name -n

Name des Batchendpunkts.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

Optionale Parameter

--no-wait

Warten Sie nicht, bis der lange Ausgeführte Vorgang abgeschlossen ist. Der Standardwert lautet False.

--yes -y

Nicht zur Bestätigung auffordern

az ml batch-endpoint invoke

Rufen Sie einen Endpunkt auf.

Sie können die Batchference starten, indem Sie den Endpunkt mit einigen Daten aufrufen. Bei Batchendpunkten löst die Aufruffunktion einen asynchronen Batchbewertungsauftrag aus.

az ml batch-endpoint invoke --input
                            --name
                            --resource-group
                            --workspace-name
                            [--deployment-name]
                            [--input-type]
                            [--instance-count]
                            [--job-name]
                            [--mini-batch-size]
                            [--output-path]
                            [--set]

Beispiele

Aufrufen eines Batchendpunkts mit Eingabedaten aus einem registrierten Azure ML-Datenobjekt und Überschreiben der Standardbereitstellungseinstellung für mini_batch_size

az ml batch-endpoint invoke --name my-batch-endpoint --input azureml:my-dataset:1 --mini-batch-size 64 --resource-group my-resource-group --workspace-name my-workspace

Aufrufen eines Batchendpunkts mit Eingabedatei aus einem öffentlichen URI

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_file --input https://pipelinedata.blob.core.windows.net/sampledata/mnist/0.png --resource-group my-resource-group --workspace-name my-workspace

Aufrufen eines Batchendpunkts mit Eingabedatei aus einem registrierten Datenspeicher

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_file --input azureml://datastores/workspaceblobstore/paths/{path_to_data}/mnist/0.png --resource-group my-resource-group --workspace-name my-workspace

Aufrufen eines Batchendpunkts mit Eingabeordnern aus einem öffentlichen URI

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_folder --input https://pipelinedata.blob.core.windows.net/sampledata/mnist --resource-group my-resource-group --workspace-name my-workspace

Aufrufen eines Batchendpunkts mit Eingabeordnern aus einem registrierten Datenspeicher

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_folder --input azureml://datastores/workspaceblobstore/paths/{path_to_data}/mnist --resource-group my-resource-group --workspace-name my-workspace

Aufrufen eines Batchendpunkts mit Dateien in einem lokalen Ordner

az ml batch-endpoint invoke --name my-batch-endpoint --input ./mnist_folder --resource-group my-resource-group --workspace-name my-workspace

Aufrufen eines Batchendpunkts mit einem lokalen Ordner als Eingabe- und Ausgabepfad und Überschreiben einiger Batchbereitstellungseinstellungen während des Endpunkts aufrufen

az ml batch-endpoint invoke --name my-batch-endpoint --input ./mnist_folder --instance-count 2 --mini-batch-size 5 --output-path azureml://datastores/workspaceblobstore/paths/tests/output --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--input

Referenz zu Eingabedaten, die für die Batcheinleitung verwendet werden sollen. Es kann sich um einen Pfad im Datenspeicher, öffentlichen URI, einem registrierten Datenobjekt oder einem lokalen Ordnerpfad sein.

--name -n

Name des Batchendpunkts.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

Optionale Parameter

--deployment-name -d

Name der zu zielbasierten Bereitstellung.

--input-type

Typ der Eingabe, die angibt, ob es sich um eine Datei oder einen Ordner handelt. Verwenden Sie dies, wenn Sie einen Pfad für Datenspeicher oder öffentlichen URI verwenden. Unterstützte Werte: uri_folder, uri_file.

--instance-count -c

Die Anzahl der Instanzen, auf denen die Vorhersage ausgeführt wird.

--job-name

Name des Auftrags für batchaufrufen.

--mini-batch-size -m

Größe jedes Minibatches, in den die Eingabedaten für die Vorhersage aufgeteilt werden.

--output-path

Pfad im Datenspeicher, in den Ausgabedateien hochgeladen werden.

--set

Aktualisieren Sie ein Objekt, indem Sie einen Eigenschaftspfad und einen festzulegenden Wert angeben. Beispiel: --set property1.property2=.

az ml batch-endpoint list

Listenendpunkte in einem Arbeitsbereich auf.

az ml batch-endpoint list --resource-group
                          --workspace-name

Beispiele

Alle Batchendpunkte in einem Arbeitsbereich auflisten

az ml batch-endpoint list --resource-group my-resource-group --workspace-name my-workspace

Alle Batchendpunkte in einem Arbeitsbereich auflisten

az ml batch-endpoint list  --resource-group my-resource-group --workspace-name my-workspace

Listet alle Batchendpunkte in einem Arbeitsbereich mit dem Argument --query auf, um eine JMESPath-Abfrage für die Ergebnisse von Befehlen auszuführen.

az ml batch-endpoint list --query "[].{Name:name}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

az ml batch-endpoint list-jobs

Listet die Batchbewertungsaufträge für einen Batchendpunkt auf.

az ml batch-endpoint list-jobs --name
                               --resource-group
                               --workspace-name

Beispiele

Alle Batchbewertungsaufträge für einen Endpunkt auflisten

az ml batch-endpoint list-jobs --name my-batch-endpoint --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--name -n

Name des Batchendpunkts.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

az ml batch-endpoint show

Details für einen Endpunkt anzeigen.

az ml batch-endpoint show --name
                          --resource-group
                          --workspace-name

Beispiele

Anzeigen der Details für einen Batchendpunkt

az ml batch-endpoint show --name my-batch-endpoint  --resource-group my-resource-group --workspace-name my-workspace

Zeigen Sie den Bereitstellungszustand eines Endpunkts mit dem Argument --query an, um eine JMESPath-Abfrage auf den Ergebnissen von Befehlen auszuführen.

az ml batch-endpoint show -n my-endpoint --query "{Name:name,State:provisioning_state}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--name -n

Name des Batchendpunkts.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

az ml batch-endpoint update

Aktualisieren eines Endpunkts.

Die Eigenschaften "description", "tags" und "defaults" eines Endpunkts können aktualisiert werden. Darüber hinaus können neue Bereitstellungen einem Endpunkt hinzugefügt werden, und vorhandene Bereitstellungen können aktualisiert werden.

az ml batch-endpoint update --resource-group
                            --workspace-name
                            [--add]
                            [--defaults]
                            [--file]
                            [--force-string]
                            [--name]
                            [--no-wait]
                            [--remove]
                            [--set]

Beispiele

Aktualisieren eines Endpunkts aus einer YAML-Spezifikationsdatei

az ml batch-endpoint update --name my-batch-endpoint --file updated_endpoint.yml --resource-group my-resource-group --workspace-name my-workspace

Hinzufügen einer neuen Bereitstellung zu einem vorhandenen Endpunkt

az ml batch-endpoint update --name my-batch-endpoint  --set defaults.deployment_name=depname  --resource-group my-resource-group --workspace-name my-workspace

Erforderliche Parameter

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können die Standardgruppe mit az configure --defaults workspace=<name> konfigurieren.

Optionale Parameter

--add

Fügen Sie einem Objekt eine Liste von Objekten hinzu, indem Sie ein Pfad- und Schlüsselwertpaar angeben. Beispiel: --add property.listProperty <key=value, string or JSON string>.

--defaults

Aktualisieren sie deployment_name innerhalb der Standardeinstellungen für Endpunktaufrufe.

--file -f

Lokaler Pfad zur YAML-Datei, die die Azure ML-Batch-Endpunktspezifikation enthält. Die YAML-Referenzdokumente für Batchendpunkt finden Sie unter: https://aka.ms/ml-cli-v2-endpoint-batch-yaml-reference

--force-string

Wenn Sie "set" oder "add" verwenden, behalten Sie Zeichenfolgen literale beibehalten, anstatt zu versuchen, in JSON zu konvertieren.

--name -n

Name des Batchendpunkts.

--no-wait

Warten Sie nicht, bis der lang ausgeführte Vorgang abgeschlossen ist. Der Standardwert lautet False.

--remove

Entfernen Sie eine Eigenschaft oder ein Element aus einer Liste. Beispiel: --remove property.list OR --remove propertyToRemove.

--set

Aktualisieren Sie ein Objekt, indem Sie einen Eigenschaftenpfad und einen wert angeben, der festgelegt werden soll. Beispiel: --set-property1.property2=.