BatchEndpointOperations Clase

BatchEndpointOperations.

No debe crear una instancia de esta clase directamente. En su lugar, debe crear una instancia de MLClient que le cree instancias y la adjunte como un atributo.

Herencia

azure.ai.ml._scope_dependent_operations._ScopeDependentOperations

BatchEndpointOperations

Constructor

BatchEndpointOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_05_2022: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)

Parámetros

operation_scope

<xref:azure.ai.ml._scope_dependent_operations.OperationScope>

Requerido

Variables de ámbito para las clases de operaciones de un objeto MLClient.

operation_config

<xref:azure.ai.ml._scope_dependent_operations.OperationConfig>

Requerido

Configuración común para las clases de operaciones de un objeto MLClient.

service_client_05_2022

<xref:<xref:azure.ai.ml._restclient.v2022_05_01._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>>

Requerido

Cliente de servicio para permitir que los usuarios finales funcionen en los recursos del área de trabajo de Azure Machine Learning.

all_operations

<xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>

Requerido

Todas las clases de operaciones de un objeto MLClient.

credentials

TokenCredential

valor predeterminado: None

Credencial que se va a usar para la autenticación.

Métodos

begin_create_or_update	Cree o actualice un punto de conexión por lotes.
begin_delete	Elimine un punto de conexión por lotes.
get	Obtenga un recurso de punto de conexión.
invoke	Invoca el punto de conexión por lotes con la carga proporcionada.
list	Enumere los puntos de conexión del área de trabajo.
list_jobs	Enumere los trabajos en la implementación del punto de conexión por lotes proporcionada. Esto solo es válido para el punto de conexión por lotes.

begin_create_or_update

Cree o actualice un punto de conexión por lotes.

begin_create_or_update(endpoint: BatchEndpoint) -> LROPoller[BatchEndpoint]

Parámetros

endpoint

BatchEndpoint

Requerido

Entidad de punto de conexión.

Devoluciones

Un sondeo para realizar un seguimiento del estado de la operación.

Tipo de valor devuelto

LROPoller[BatchEndpoint]

Ejemplos

Ejemplo de creación de punto de conexión.

   from azure.ai.ml.entities import BatchEndpoint

   endpoint_example = BatchEndpoint(name=endpoint_name_2)
   ml_client.batch_endpoints.begin_create_or_update(endpoint_example)

begin_delete

Elimine un punto de conexión por lotes.

begin_delete(name: str) -> LROPoller[None]

Parámetros

name

str

Requerido

Nombre del punto de conexión por lotes.

Devoluciones

Un sondeo para realizar un seguimiento del estado de la operación.

Tipo de valor devuelto

LROPoller[None]

Ejemplos

Ejemplo de eliminación del punto de conexión.

   ml_client.batch_endpoints.begin_delete(endpoint_name)

get

Obtenga un recurso de punto de conexión.

get(name: str) -> BatchEndpoint

Parámetros

name

str

Requerido

Nombre del punto de conexión.

Devoluciones

Objeto de punto de conexión recuperado del servicio.

Tipo de valor devuelto

BatchEndpoint

Ejemplos

Ejemplo de obtención del punto de conexión.

   ml_client.batch_endpoints.get(endpoint_name)

invoke

Invoca el punto de conexión por lotes con la carga proporcionada.

invoke(endpoint_name: str, *, deployment_name: str | None = None, inputs: Dict[str, Input] | None = None, **kwargs) -> BatchJob

Parámetros

endpoint_name

str

Requerido

El nombre del extremo.

deployment_name

str

(Opcional) Nombre de una implementación específica que se va a invocar. Esto es opcional. De forma predeterminada, las solicitudes se enrutan a cualquiera de las implementaciones según las reglas de tráfico.

inputs

Dict[str, Input]

(Opcional) Diccionario de recursos de datos existentes, archivo de URI público o carpeta que se va a usar con la implementación.

Devoluciones

Trabajo de implementación por lotes invocado.

Tipo de valor devuelto

BatchJob

Excepciones

ValidationException

Se genera si la implementación no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

AssetException

Se genera si los recursos de BatchEndpoint (por ejemplo, Datos, Código, Modelo, Entorno) no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

ModelException

Se genera si el modelo batchEndpoint no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

EmptyDirectoryError

Se genera si la ruta de acceso local proporcionada apunta a un directorio vacío.

Ejemplos

Ejemplo de invocación del punto de conexión.

   ml_client.batch_endpoints.invoke(endpoint_name_2)

list

Enumere los puntos de conexión del área de trabajo.

list() -> ItemPaged[BatchEndpoint]

Devoluciones

Una lista de puntos de conexión

Tipo de valor devuelto

ItemPaged[BatchEndpoint]

Ejemplos

Ejemplo de lista.

   ml_client.batch_endpoints.list()

list_jobs

Enumere los trabajos en la implementación del punto de conexión por lotes proporcionada. Esto solo es válido para el punto de conexión por lotes.

list_jobs(endpoint_name: str) -> ItemPaged[BatchJob]

Parámetros

endpoint_name

str

Requerido

Nombre del punto de conexión.

Devoluciones

Lista de trabajos

Tipo de valor devuelto

ItemPaged[BatchJob]

Ejemplos

Ejemplo de enumeración de trabajos.

   ml_client.batch_endpoints.list_jobs(endpoint_name_2)