Model Clase

  • Referencia

Representa el resultado del entrenamiento de aprendizaje automático.

Un modelo es el resultado de un entrenamiento Run de Azure Machine Learning o de algún otro proceso de entrenamiento de modelos fuera de Azure. Independientemente de cómo se produzca el modelo, se puede registrar en un área de trabajo, donde se representa mediante un nombre y una versión. Con la clase Model, puede empaquetar modelos para usarlos con Docker e implementarlos como un punto de conexión en tiempo real que se puede usar para las solicitudes de inferencia.

Para ver un tutorial completo en el que se muestra cómo se crean, administran y consumen modelos, consulte Entrenamiento de un modelo de clasificación de imágenes con datos de MNIST y scikit-learn mediante Azure Machine Learning.

Constructor de modelo.

El constructor Model se usa para recuperar una representación en la nube de un objeto Model asociado al área de trabajo proporcionada. Debe proporcionar el nombre o el identificador.

Herencia
builtins.object
Model

Constructor

Model(workspace, name=None, id=None, tags=None, properties=None, version=None, run_id=None, model_framework=None, expand=True, **kwargs)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Objeto de área de trabajo que contiene el modelo que se va a recuperar.
name
str

Nombre del modelo que se va a recuperar. Devuelve el modelo más reciente con el nombre especificado, si existe.

valor predeterminado: None
id
str

Identificador del modelo que se va a recuperar. Devuelve el modelo con el id. especificado, si existe.

valor predeterminado: None
tags
list

Lista opcional de etiquetas que se usan para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]

valor predeterminado: None
properties
list

Lista opcional de propiedades usadas para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]

valor predeterminado: None
version
int

Versión del modelo que se va a devolver. Cuando se proporciona junto con el parámetro name, se devuelve la versión específica del modelo con nombre especificado, si existe. Si se omite version, se devuelve la versión más reciente del modelo.

valor predeterminado: None
run_id
str

Identificador opcional que se usa para filtrar los resultados devueltos.

valor predeterminado: None
model_framework
str

Nombre de marco opcional que se usa para filtrar los resultados devueltos. Si se especifica, se devuelven resultados para los modelos que coincidan con el marco especificado. Consulte Framework para ver los valores permitidos.

valor predeterminado: None
workspace
Requerido
Workspace

Objeto de área de trabajo que contiene el modelo que se va a recuperar.
name
Requerido
str

Nombre del modelo que se va a recuperar. Devuelve el modelo más reciente con el nombre especificado, si existe.
id
Requerido
str

Identificador del modelo que se va a recuperar. Devuelve el modelo con el id. especificado, si existe.
tags
Requerido
list

Lista opcional de etiquetas que se usan para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]
properties
Requerido
list

Lista opcional de propiedades usadas para filtrar los resultados devueltos. Los resultados se filtran en función de la lista proporcionada, buscando por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]
version
Requerido
int

Versión del modelo que se va a devolver. Cuando se proporciona junto con el parámetro name, se devuelve la versión específica del modelo con nombre especificado, si existe. Si se omite version, se devuelve la versión más reciente del modelo.
run_id
Requerido
str

Identificador opcional que se usa para filtrar los resultados devueltos.
model_framework
Requerido
str

Nombre de marco opcional que se usa para filtrar los resultados devueltos. Si se especifica, se devuelven resultados para los modelos que coincidan con el marco especificado. Consulte Framework para ver los valores permitidos.
expand
bool

Si es true, se devolverán los modelos con todas las propiedades secundarias rellenadas, por ejemplo, ejecución, conjunto de datos y experimento.

valor predeterminado: True

Comentarios

El constructor Model se usa para recuperar una representación en la nube de un objeto Model asociado al área de trabajo especificada. Debe proporcionarse al menos el nombre o el id. para recuperar modelos, pero también hay otras opciones para filtrar, entre las que se incluyen las etiquetas, las propiedades, la versión, el id. de ejecución y el marco.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name')

En el ejemplo siguiente se muestra cómo capturar una versión específica de un modelo.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name', version=1)

Al registrar un modelo, se crea un contenedor lógico para uno o varios archivos que lo componen. Además del contenido del propio archivo del modelo, un modelo registrado también almacena sus metadatos, como la descripción, las etiquetas y la información del marco, lo que es útil al administrar e implementar el modelo en el área de trabajo. Por ejemplo, con las etiquetas puede clasificar los modelos y aplicar filtros al enumerar los modelos del área de trabajo. Después del registro, puede descargar o implementar el modelo registrado y recibir todos los archivos y los metadatos que se registraron.

En el ejemplo siguiente, se muestra cómo registrar un modelo mediante la especificación de las etiquetas y una descripción.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

El ejemplo completo está disponible en https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb.

En el siguiente ejemplo, se muestra cómo registrar un modelo mediante la especificación del marco, los conjuntos de datos de entrada y salida, y la configuración de recursos.


   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

En la sección Variables, se enumeran los atributos de una representación local del objeto Model en la nube. Estas variables se deben considerar de solo lectura. El cambio de sus valores no se reflejará en el objeto de nube correspondiente.

Variables

Nombre Description
created_by
dict

Usuario que creó el modelo.
created_time
datetime

Cuándo se creó el modelo.
azureml.core.Model.description

Descripción del objeto Model.
azureml.core.Model.id

Identificador del modelo. Adopta la forma de <nombre del modelo>:<versión del modelo>.
mime_type
str

Tipo MIME del modelo.
azureml.core.Model.name

Nombre del modelo.
model_framework
str

Marco del modelo.
model_framework_version
str

Versión del marco del modelo.
azureml.core.Model.tags

Diccionario de etiquetas para el objeto Model.
azureml.core.Model.properties

Diccionario de propiedades de clave-valor para el modelo. Estas propiedades no se pueden cambiar después del registro, pero se pueden agregar nuevos pares clave-valor.
unpack
bool

Indica si el modelo se debe desempaquetar cuando se extrae en un contexto local.
url
str

Ubicación de la dirección URL del modelo.
azureml.core.Model.version

Versión del modelo.
azureml.core.Model.workspace

Área de trabajo que contiene el modelo.
azureml.core.Model.experiment_name

Nombre del experimento que creó el modelo.
azureml.core.Model.run_id

Identificador de la ejecución que creó el modelo.
parent_id
str

Identificador del modelo primario del modelo.
derived_model_ids
list[str]

Lista de los identificadores de modelo que se han derivado de este modelo.
resource_configuration
ResourceConfiguration

Elemento ResourceConfiguration para este modelo. Se usa para la generación de perfiles.

Métodos

add_dataset_references

Asocia los conjuntos de datos proporcionados con este modelo.
add_properties

Agrega pares clave-valor al diccionario de propiedades de este modelo.
add_tags

Agrega pares clave-valor al diccionario de etiquetas de este modelo.
delete

Elimina este modelo de su área de trabajo asociada.
deploy

Implementa un servicio web a partir de cero o más objetos Model.

El servicio web resultante es un punto de conexión en tiempo real que se puede usar para las solicitudes de inferencia. La función deploy del modelo es similar a la función deploy de la clase Webservice, pero no registra los modelos. Use la función deploy del modelo si tiene objetos de modelo que ya están registrados.
deserialize

Convierte un objeto JSON en un objeto de modelo.

Se produce un error en la conversión si el área de trabajo especificada no es el área de trabajo con la que está registrado el modelo.
download

Descarga el modelo en el directorio de destino del sistema de archivos local.
get_model_path

Devuelve la ruta de acceso al modelo.

La función buscará el modelo en las siguientes ubicaciones.

Si version es None:

  1. Se descarga desde la ubicación remota a la caché (si se proporciona el área de trabajo)
  2. Se carga desde la caché azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Si version no es None:

  1. Se carga desde la caché azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Se descarga desde la ubicación remota a la caché (si se proporciona el área de trabajo)
get_sas_urls

Devuelve un diccionario de pares clave-valor que contienen los nombres de archivo y las direcciones URL de SAS correspondientes.
list

Recupera una lista de todos los modelos asociados al área de trabajo proporcionada, con filtros opcionales.
package

Crea un paquete de modelos como una imagen de Docker o un contexto de creación de Dockerfile.
print_configuration

Imprime la configuración del usuario.
profile

Genera perfiles del modelo para obtener recomendaciones de requisitos de recursos.

Se trata de una operación de larga duración que puede tardar hasta 25 minutos en función del tamaño del conjunto de datos.
register

Registra un modelo con el área de trabajo proporcionada.
remove_tags

Quita las claves especificadas del diccionario de etiquetas de este modelo.
serialize

Convierte este modelo en un diccionario serializado JSON.
update

Realiza una actualización local del modelo.

Se reemplazan los valores existentes de los parámetros especificados.
update_tags_properties

Realiza una actualización de las etiquetas y propiedades del modelo.

add_dataset_references

Asocia los conjuntos de datos proporcionados con este modelo.

add_dataset_references(datasets)

Parámetros

Nombre Description
datasets
Requerido
list[tuple(<xref:str :> (Dataset o DatasetSnapshot))]

Lista de tuplas que representan un emparejamiento del propósito del conjunto de datos con el objeto Dataset.

Excepciones

Tipo Description
WebserviceException

add_properties

Agrega pares clave-valor al diccionario de propiedades de este modelo.

add_properties(properties)

Parámetros

Nombre Description
properties
Requerido
dict(<xref:str : str>)

Diccionario de las propiedades que se van a agregar.

Excepciones

Tipo Description
WebserviceException

add_tags

Agrega pares clave-valor al diccionario de etiquetas de este modelo.

add_tags(tags)

Parámetros

Nombre Description
tags
Requerido
dict(<xref:{str : str}>)

Diccionario de las etiquetas que se van a agregar.

Excepciones

Tipo Description
WebserviceException

delete

Elimina este modelo de su área de trabajo asociada.

delete()

Excepciones

Tipo Description
WebserviceException

deploy

Implementa un servicio web a partir de cero o más objetos Model.

El servicio web resultante es un punto de conexión en tiempo real que se puede usar para las solicitudes de inferencia. La función deploy del modelo es similar a la función deploy de la clase Webservice, pero no registra los modelos. Use la función deploy del modelo si tiene objetos de modelo que ya están registrados.

static deploy(workspace, name, models, inference_config=None, deployment_config=None, deployment_target=None, overwrite=False, show_output=False)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Objeto de área de trabajo al que se asociará el servicio web.
name
Requerido
str

Nombre que se va a dar al servicio implementado. Debe ser único para el área de trabajo, solo debe estar formado por letras minúsculas, números o guiones, debe comenzar por una letra y tener entre 3 y 32 caracteres de longitud.
models
Requerido
list[Model]

Lista de objetos de modelo. Puede ser una lista vacía.
inference_config
InferenceConfig

Objeto InferenceConfig que se usa para determinar las propiedades necesarias del modelo.

valor predeterminado: None
deployment_config
WebserviceDeploymentConfiguration

Objeto WebserviceDeploymentConfiguration que se usa para configurar el servicio web. Si no se proporciona ninguno, se usará un objeto de configuración vacío en función del destino deseado.

valor predeterminado: None
deployment_target
ComputeTarget

Recurso ComputeTarget en el que se va a implementar el objeto Webservice. Como Azure Container Instances no tiene asociado ningún recurso ComputeTarget, deje None (Ninguno) en este parámetro al realizar la implementación en Azure Container Instances.

valor predeterminado: None
overwrite
bool

Indica si se debe sobrescribir el servicio existente si ya existe un servicio con el nombre especificado.

valor predeterminado: False
show_output
bool

Indica si se debe mostrar el progreso de la implementación del servicio.

valor predeterminado: False

Devoluciones

Tipo Description
Webservice

Objeto Webservice correspondiente al servicio web implementado.

Excepciones

Tipo Description
WebserviceException

deserialize

Convierte un objeto JSON en un objeto de modelo.

Se produce un error en la conversión si el área de trabajo especificada no es el área de trabajo con la que está registrado el modelo.

static deserialize(workspace, model_payload)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Objeto de área de trabajo con el que está registrado el modelo.
model_payload
Requerido
dict

Objeto JSON que se va a convertir en un objeto Model.

Devoluciones

Tipo Description
Model

Representación del modelo del objeto JSON proporcionado.

Excepciones

Tipo Description
WebserviceException

download

Descarga el modelo en el directorio de destino del sistema de archivos local.

download(target_dir='.', exist_ok=False, exists_ok=None)

Parámetros

Nombre Description
target_dir
str

Ruta de acceso a un directorio en el que se va a descargar el modelo. Su valor predeterminado es ".".

valor predeterminado: .
exist_ok
bool

Indica si se deben reemplazar los directorios o archivos descargados si existen. El valor predeterminado es False.

valor predeterminado: False
exists_ok
bool

EN DESUSO. Use exist_ok.

valor predeterminado: None

Devoluciones

Tipo Description
str

Ruta de acceso al archivo o carpeta del modelo.

Excepciones

Tipo Description
WebserviceException

get_model_path

Devuelve la ruta de acceso al modelo.

La función buscará el modelo en las siguientes ubicaciones.

Si version es None:

  1. Se descarga desde la ubicación remota a la caché (si se proporciona el área de trabajo)
  2. Se carga desde la caché azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Si version no es None:

  1. Se carga desde la caché azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Se descarga desde la ubicación remota a la caché (si se proporciona el área de trabajo)
static get_model_path(model_name, version=None, _workspace=None)

Parámetros

Nombre Description
model_name
Requerido
str

Nombre del modelo que se va a recuperar.
version
int

Versión del modelo que se va a recuperar. El valor predeterminado es la versión más reciente.

valor predeterminado: None
_workspace
Workspace

Área de trabajo de la que se recuperará un modelo. No se puede usar de forma remota. Si no se especifica, solo se busca en la memoria caché local.

valor predeterminado: None

Devoluciones

Tipo Description
str

Ruta de acceso en disco al modelo.

Excepciones

Tipo Description
ModelNotFoundException

get_sas_urls

Devuelve un diccionario de pares clave-valor que contienen los nombres de archivo y las direcciones URL de SAS correspondientes.

get_sas_urls()

Devoluciones

Tipo Description
dict

Diccionario de pares clave-valor que contienen los nombres de archivo y las direcciones URL de SAS correspondientes

Excepciones

Tipo Description
WebserviceException

list

Recupera una lista de todos los modelos asociados al área de trabajo proporcionada, con filtros opcionales.

static list(workspace, name=None, tags=None, properties=None, run_id=None, latest=False, dataset_id=None, expand=True, page_count=255, model_framework=None)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Objeto de área de trabajo del que se recuperarán los modelos.
name
str

Si se proporciona, solo devolverá modelos con el nombre especificado, si los hay.

valor predeterminado: None
tags
list

Se filtrarán los resultados en función de la lista proporcionada, ya sea por "key" o "[key, value]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]

valor predeterminado: None
properties
list

Filtrará los resultados en función de la lista proporcionada, ya sea por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]

valor predeterminado: None
run_id
str

Se filtrará en función del identificador de ejecución proporcionado.

valor predeterminado: None
latest
bool

Si es true, solo devolverá los modelos con la versión más reciente.

valor predeterminado: False
dataset_id
str

Se filtrará en función del identificador de conjunto de datos proporcionado.

valor predeterminado: None
expand
bool

Si es true, se devolverán los modelos con todas las propiedades secundarias rellenadas, por ejemplo, ejecución, conjunto de datos y experimento. Si se establece en false, se acelerará la finalización del método list() en el caso de que haya muchos modelos.

valor predeterminado: True
page_count
int

Número de elementos que se va a recuperar en una página. Actualmente, se admiten valores hasta 255. El valor predeterminado es 255.

valor predeterminado: 255
model_framework
str

Si se proporciona, solo se devolverán los modelos con el marco especificado, si los hay.

valor predeterminado: None

Devoluciones

Tipo Description
list[Model]

Lista de modelos, filtrada opcionalmente.

Excepciones

Tipo Description
WebserviceException

package

Crea un paquete de modelos como una imagen de Docker o un contexto de creación de Dockerfile.

static package(workspace, models, inference_config=None, generate_dockerfile=False, image_name=None, image_label=None)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Área de trabajo en la que se va a crear el paquete.
models
Requerido
list[Model]

Lista de objetos Model que se incluirán en el paquete. Puede ser una lista vacía.
inference_config
InferenceConfig

Objeto InferenceConfig para configurar el funcionamiento de los modelos. Debe incluir un objeto Environment.

valor predeterminado: None
generate_dockerfile
bool

Indica si se va a crear un archivo Dockerfile que se pueda ejecutar localmente en lugar de crear una imagen.

valor predeterminado: False
image_name
str

Al crear una imagen, el nombre de la imagen resultante.

valor predeterminado: None
image_label
str

Al crear una imagen, la etiqueta de la imagen resultante.

valor predeterminado: None

Devoluciones

Tipo Description
ModelPackage

Objeto ModelPackage.

Excepciones

Tipo Description
WebserviceException

print_configuration

Imprime la configuración del usuario.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parámetros

Nombre Description
models
Requerido
list[Model]

Lista de objetos de modelo. Puede ser una lista vacía.
inference_config
Requerido
InferenceConfig

Objeto InferenceConfig que se usa para determinar las propiedades necesarias del modelo.
deployment_config
Requerido
WebserviceDeploymentConfiguration

Objeto WebserviceDeploymentConfiguration que se usa para configurar el servicio web.
deployment_target
Requerido
ComputeTarget

Recurso ComputeTarget en el que se va a implementar el objeto Webservice.

Excepciones

Tipo Description
WebserviceException

profile

Genera perfiles del modelo para obtener recomendaciones de requisitos de recursos.

Se trata de una operación de larga duración que puede tardar hasta 25 minutos en función del tamaño del conjunto de datos.

static profile(workspace, profile_name, models, inference_config, input_dataset, cpu=None, memory_in_gb=None, description=None)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Objeto Workspace en el que se generarán los perfiles de modelo.
profile_name
Requerido
str

Nombre de la ejecución de generación de perfiles.
models
Requerido
list[Model]

Lista de objetos de modelo. Puede ser una lista vacía.
inference_config
Requerido
InferenceConfig

Objeto InferenceConfig que se usa para determinar las propiedades necesarias del modelo.
input_dataset
Requerido
Dataset

Conjunto de datos de entrada para la generación de perfiles. El conjunto de datos de entrada debe tener una sola columna y las entradas de muestra deben estar en formato de cadena.
cpu
float

Número de núcleos de CPU que se usarán en la instancia de pruebas más grande. Actualmente, se admiten valores hasta 3,5.

valor predeterminado: None
memory_in_gb
float

Cantidad de memoria (en GB) que se usará en la instancia de pruebas más grande. Puede ser un decimal. Actualmente, se admiten valores hasta 15,0.

valor predeterminado: None
description
str

Descripción que se va a asociar a la ejecución de generación de perfiles.

valor predeterminado: None

Devoluciones

Tipo Description
ModelProfile

Excepciones

Tipo Description
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

Registra un modelo con el área de trabajo proporcionada.

static register(workspace, model_path, model_name, tags=None, properties=None, description=None, datasets=None, model_framework=None, model_framework_version=None, child_paths=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Parámetros

Nombre Description
workspace
Requerido
Workspace

Área de trabajo con la que se registrará el modelo.
model_path
Requerido
str

Ruta de acceso en el sistema de archivos local donde se encuentran los recursos del modelo. Puede ser un puntero directo a un único archivo o carpeta. Si apunta a una carpeta, se puede usar el parámetro child_paths para especificar archivos individuales que se agruparán como el objeto Model, en lugar de usar todo el contenido de la carpeta.
model_name
Requerido
str

Nombre con el que se registrará el modelo.
tags
dict(<xref:{str : str}>)

Diccionario opcional de etiquetas de clave-valor que se asignarán al modelo.

valor predeterminado: None
properties
dict(<xref:{str : str}>)

Diccionario opcional de propiedades de clave-valor que se asignarán al modelo. Estas propiedades no se pueden cambiar después de la creación del modelo, pero se pueden agregar nuevos pares clave-valor.

valor predeterminado: None
description
str

Texto de descripción del modelo.

valor predeterminado: None
datasets
list[(str, AbstractDataset)]

Lista de tuplas donde el primer elemento describe la relación entre conjunto de datos y modelo, y el segundo elemento es el conjunto de datos.

valor predeterminado: None
model_framework
str

Marco del modelo registrado. El uso de las constantes admitidas por el sistema de la clase Framework permite realizar una implementación simplificada para algunos marcos populares.

valor predeterminado: None
model_framework_version
str

Versión del marco del modelo registrado.

valor predeterminado: None
child_paths
list[str]

Si se proporciona junto con un elemento model_path de una carpeta, solo los archivos especificados se agruparán en el objeto Model.

valor predeterminado: None
sample_input_dataset
AbstractDataset

Conjunto de datos de entrada de muestra para el modelo registrado.

valor predeterminado: None
sample_output_dataset
AbstractDataset

Conjunto de datos de salida de muestra para el modelo registrado.

valor predeterminado: None
resource_configuration
ResourceConfiguration

Configuración de recursos para ejecutar el modelo registrado.

valor predeterminado: None

Devoluciones

Tipo Description
Model

Objeto de modelo registrado.

Excepciones

Tipo Description
WebserviceException

Comentarios

Además del contenido del propio archivo del modelo, un modelo registrado también almacena sus metadatos, como la descripción, las etiquetas y la información del marco, lo que es útil al administrar e implementar el modelo en el área de trabajo. Por ejemplo, con las etiquetas puede clasificar los modelos y aplicar filtros al enumerar los modelos del área de trabajo.

En el ejemplo siguiente, se muestra cómo registrar un modelo mediante la especificación de las etiquetas y una descripción.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

El ejemplo completo está disponible en https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb.

Si tiene un modelo producido como resultado de la ejecución de un experimento, puede registrarlo desde un objeto de ejecución directamente sin descargarlo primero en un archivo local. Para ello, use el método register_model tal como se documenta en la clase Run.

remove_tags

Quita las claves especificadas del diccionario de etiquetas de este modelo.

remove_tags(tags)

Parámetros

Nombre Description
tags
Requerido
list[str]

Lista de claves que se quitarán

Excepciones

Tipo Description
WebserviceException

serialize

Convierte este modelo en un diccionario serializado JSON.

serialize()

Devoluciones

Tipo Description
dict

Representación JSON de este modelo

Excepciones

Tipo Description
WebserviceException

update

Realiza una actualización local del modelo.

Se reemplazan los valores existentes de los parámetros especificados.

update(tags=None, description=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Parámetros

Nombre Description
tags
dict(<xref:{str : str}>)

Diccionario de etiquetas con las que actualizar el modelo. Estas etiquetas reemplazan a las etiquetas existentes para el modelo.

valor predeterminado: None
description
str

Nueva descripción que se usará para el modelo. Este nombre reemplaza al nombre existente.

valor predeterminado: None
sample_input_dataset
AbstractDataset

Conjunto de datos de entrada de muestra para el modelo registrado. Este conjunto de datos de entrada de muestra reemplaza al conjunto de datos existente.

valor predeterminado: None
sample_output_dataset
AbstractDataset

Conjunto de datos de salida de muestra que se usará para el modelo registrado. Este conjunto de datos de salida de muestra reemplaza al conjunto de datos existente.

valor predeterminado: None
resource_configuration
ResourceConfiguration

Configuración de recursos que se usará para ejecutar el modelo registrado.

valor predeterminado: None

Excepciones

Tipo Description
WebserviceException

update_tags_properties

Realiza una actualización de las etiquetas y propiedades del modelo.

update_tags_properties(add_tags=None, remove_tags=None, add_properties=None)

Parámetros

Nombre Description
add_tags
dict(<xref:{str : str}>)

Diccionario de las etiquetas que se van a agregar.

valor predeterminado: None
remove_tags
list[str]

Lista de nombres de etiqueta que se van a quitar.

valor predeterminado: None
add_properties
dict(<xref:{str : str}>)

Diccionario de las propiedades que se van a agregar.

valor predeterminado: None

Excepciones

Tipo Description
WebserviceException