az ml model
Remarque
Cette référence fait partie de l’extension azure-cli-ml pour Azure CLI (version 2.0.28 ou ultérieure). L’extension installe automatiquement la première fois que vous exécutez une commande az ml model . En savoir plus sur les extensions.
Gérer les modèles Machine Learning.
Commandes
| Nom | Description | Type | Statut |
|---|---|---|---|
| az ml model delete |
Supprimez un modèle de l’espace de travail. |
Extension | GA |
| az ml model deploy |
Déployez des modèles à partir de l’espace de travail. |
Extension | GA |
| az ml model download |
Téléchargez un modèle à partir de l’espace de travail. |
Extension | GA |
| az ml model list |
Répertorier les modèles dans l’espace de travail. |
Extension | GA |
| az ml model package |
Empaqueter un modèle dans l’espace de travail. |
Extension | GA |
| az ml model profile |
Modèle(s) de profil dans l’espace de travail. |
Extension | GA |
| az ml model register |
Inscrivez un modèle dans l’espace de travail. |
Extension | GA |
| az ml model show |
Afficher un modèle dans l’espace de travail. |
Extension | GA |
| az ml model update |
Mettez à jour un modèle dans l’espace de travail. |
Extension | GA |
az ml model delete
Supprimez un modèle de l’espace de travail.
az ml model delete --model-id
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Paramètres obligatoires
ID du modèle à supprimer.
Paramètres facultatifs
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Groupe de ressources correspondant à l’espace de travail fourni.
Spécifie l’ID d’abonnement.
Nom de l’espace de travail.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model deploy
Déployez des modèles à partir de l’espace de travail.
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]Paramètres obligatoires
Nom du service déployé.
Paramètres facultatifs
Indique s’il est nécessaire ou non d’activer l’authentification par clé pour cet objet Webservice. Valeur par défaut False.
Indique s’il faut activer ou pas AppInsights pour ce service web. Valeur par défaut False.
Fréquence à laquelle l’autoscaler doit tenter de mettre à l’échelle ce service web. La valeur par défaut est de 1.
Indique s’il est nécessaire ou non d’activer la mise à l’échelle automatique pour ce service web. La valeur par défaut est True si num_replicas a la valeur None.
Utilisation cible en pourcentage que l’autoscaler doit tenter de conserver pour ce service web. La valeur par défaut est 70.
Nombre maximal de conteneurs à utiliser durant la mise à l’échelle automatique de ce service web. La valeur par défaut est 10.
Nombre minimal de conteneurs à utiliser durant la mise à l’échelle automatique de ce service web. La valeur par défaut est de 1.
Image personnalisée à utiliser comme image de base. Si aucune image de base n’est proposée, l’image de base sera utilisée en fonction d’un paramètre d’exécution donné.
Registre d’images contenant l’image de base.
Nombre de cœurs de processeur à allouer pour ce service web. Il peut s’agir d’un nombre décimal. La valeur par défaut est 0.1.
Nombre maximal de cœurs de processeur que ce service web est autorisé à utiliser. Il peut s’agir d’un nombre décimal.
Chemin d’accès au fichier local contenant une définition de l’environnement conda à utiliser pour l’image.
Indique s’il faut activer la collecte des données de modèle ou pas pour ce service Web. Valeur par défaut False.
Nom de la cible de calcul. Applicable uniquement lors du déploiement sur AKS.
Type de service de calcul à déployer.
Version de CUDA à installer pour les images nécessitant une prise en charge GPU. L’image GPU doit être utilisée sur les services Microsoft Azure tels que Azure Container Instances, Capacité de calcul Azure Machine Learning, Machines virtuelles Azure et Azure Kubernetes Service. Les versions prises en charge sont les versions 9.0, 9.1 et 10.0. Si « enable_gpu » est défini, la valeur par défaut est « 9.1 ».
Chemin d’accès à un fichier JSON ou YAML contenant des métadonnées de déploiement.
Description du service déployé.
Nom dns de ce service Web.
Chemin d’accès au fichier local contenant des étapes Docker supplémentaires à exécuter lors de la configuration de l’image.
Répertoire pour Azure Machine Apprentissage Environment pour le déploiement. Il s’agit du même chemin d’accès de répertoire que celui fourni dans la commande « az ml environment scaffold ».
Activer ou non la prise en charge GPU dans l’image. L’image GPU doit être utilisée sur les services Microsoft Azure tels que Azure Container Instances, Capacité de calcul Azure Machine Learning, Machines virtuelles Azure et Azure Kubernetes Service. Valeur par défaut False.
Chemin d’accès au fichier local qui contient le code à exécuter pour le service (chemin relatif de source_directory si un fichier est fourni).
Nom de l’environnement azure Machine Apprentissage pour le déploiement.
Version d’un environnement azure machine Apprentissage existant pour le déploiement.
Lorsqu’un pod démarre et que la sonde liveness échoue, Kubernetes essaie des temps --failure-threshold avant de renoncer. La valeur par défaut est 3. La valeur minimale est 1.
Quantité de mémoire (en Go) à allouer pour ce Webservice. Il peut s’agir d’un nombre décimal.
Quantité maximale de mémoire (en Go) que ce service web est autorisé à utiliser. Il peut s’agir d’un nombre décimal.
Nombre de cœurs gpu à allouer pour ce service Web. La valeur par défaut de est 1.
Chemin d’accès à un fichier JSON ou YAML contenant une configuration d’inférence.
Nombre de secondes après le démarrage du conteneur avant le lancement des probes liveness. La valeur par défaut est 310.
Nom de clé pour les propriétés de chiffrement dans les clés gérées par le client (CMK) pour ACI.
Version de clé pour les propriétés de chiffrement dans les clés gérées par le client (CMK) pour ACI.
Clé d’authentification primaire à utiliser pour ce Webservice.
Clé d’authentification secondaire à utiliser pour ce service web.
Région Azure dans laquelle déployer ce service web. Si elle n’est pas spécifiée, l’emplacement de l’espace de travail sera utilisé. Vous trouverez plus d’informations sur les régions disponibles ici : ; https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all& products=container-instances.
Durée maximale pendant laquelle une demande reste en file d’attente (en millisecondes) avant de retourner une erreur 503. La valeur par défaut est 500.
ID du modèle à déployer. Plusieurs modèles peuvent être spécifiés avec des arguments -m supplémentaires. Les modèles doivent d’abord être inscrits.
Chemin d’accès à un fichier JSON contenant des métadonnées d’inscription de modèle. Plusieurs modèles peuvent être fournis à l’aide de plusieurs paramètres -f.
Espace de noms Kubernetes dans lequel déployer le service : jusqu’à 63 caractères alphanumériques minuscules ('a'-'z', '0'-'9') et trait d’union ('-'). Le premier caractère et le dernier caractère ne peuvent pas être des traits d’union. Applicable uniquement lors du déploiement sur AKS.
Indicateur pour ne pas attendre les appels asynchrones.
Nombre de conteneurs à allouer pour ce service web. Aucune valeur par défaut. Si ce paramètre n’est pas défini, la mise à l’échelle automatique est activée par défaut.
Remplacez le service existant si le nom est en conflit.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Fréquence (en secondes) d’exécution de probe liveness. La valeur par défaut est 10 secondes. La valeur minimale est 1.
Chemin d’accès à un fichier JSON contenant les résultats du profilage.
Port local sur lequel exposer le point de terminaison HTTP du service.
Propriété clé/valeur à ajouter (e.g. key=value). Plusieurs propriétés peuvent être spécifiées avec plusieurs options --property.
Nombre maximal de requêtes simultanées par nœud à autoriser pour ce service Web. La valeur par défaut est de 1.
Groupe de ressources correspondant à l’espace de travail fourni.
Runtime à utiliser pour l’image. Les runtimes pris en charge actuels sont « spark-py » et « python » spark-py|python|python-slim.
cname si SSL est activé.
Délai d’expiration à appliquer pour le scoring des appels à ce service web. La valeur par défaut est 60 000.
Chemin vers des dossiers contenant tous les fichiers pour créer l’image.
Indique s’il faut activer ou pas SSL pour ce service web. Valeur par défaut False.
Fichier de clé nécessaire si SSL est activé.
Fichier cert nécessaire si SSL est activé.
Nombre minimal de réussites consécutives pour que la probe liveness soit considérée comme réussie après avoir échoué. La valeur par défaut est de 1. La valeur minimale est 1.
Nom du sous-réseau dans le réseau virtuel.
Spécifie l’ID d’abonnement.
Balise clé/valeur à ajouter (e.g. key=value). Plusieurs balises peuvent être spécifiées avec plusieurs options --tag.
Délai d’expiration en secondes de la probe liveness. La valeur par défaut est de 2 secondes. La valeur minimale est 1.
Indique s’il faut activer ou non l’authentification de jeton pour ce service Web. Ignoré s’il n’est pas déployé sur AKS. Valeur par défaut False.
Volume de trafic absorbé par la version dans un point de terminaison. Il peut s’agir d’un nombre décimal. La valeur par défaut est 0.
URL de base du coffre pour les propriétés de chiffrement dans les clés gérées par le client (CMK) pour ACI.
Nom de version dans un point de terminaison. La valeur par défaut est le nom du point de terminaison pour la première version.
Nom du réseau virtuel.
Nom de l’espace de travail.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model download
Téléchargez un modèle à partir de l’espace de travail.
az ml model download --model-id
--target-dir
[--overwrite]
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Paramètres obligatoires
ID du modèle.
Répertoire cible dans lequel télécharger le fichier de modèle.
Paramètres facultatifs
Remplacez si le même fichier de nom existe dans le répertoire cible.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Groupe de ressources correspondant à l’espace de travail fourni.
Spécifie l’ID d’abonnement.
Nom de l’espace de travail contenant le modèle à afficher.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model list
Répertorier les modèles dans l’espace de travail.
az ml model list [--dataset-id]
[--latest]
[--model-name]
[--path]
[--property]
[--resource-group]
[--run-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]Paramètres facultatifs
S’il est fourni, affiche uniquement les modèles avec l’ID de jeu de données spécifié.
S’il est fourni, retourne uniquement les modèles avec la dernière version.
Nom de modèle facultatif par lequel filtrer la liste.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Propriété clé/valeur à ajouter (e.g. key=value). Plusieurs propriétés peuvent être spécifiées avec plusieurs options --property.
Groupe de ressources correspondant à l’espace de travail fourni.
S’il est fourni, affiche uniquement les modèles avec l’ID d’exécution spécifié.
Spécifie l’ID d’abonnement.
Balise clé/valeur à ajouter (e.g. key=value). Plusieurs balises peuvent être spécifiées avec plusieurs options --tag.
Nom de l’espace de travail contenant des modèles à répertorier.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model package
Empaqueter un modèle dans l’espace de travail.
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]Paramètres facultatifs
Chemin d’accès au fichier local contenant une définition d’environnement conda à utiliser pour le package.
Répertoire pour Azure Machine Apprentissage Environment pour l’empaquetage. Il s’agit du même chemin d’accès de répertoire que celui fourni dans la commande « az ml environment scaffold ».
Chemin d’accès au fichier local qui contient le code à exécuter pour le service (chemin relatif de source_directory si un fichier est fourni).
Nom de l’environnement azure Machine Apprentissage pour l’empaquetage.
Version d’un environnement Azure Machine Apprentissage existant pour l’empaquetage.
Chemin d’accès à un fichier JSON ou YAML contenant une configuration d’inférence.
Étiquette pour donner l’image de package générée.
Nom pour donner l’image de package générée.
ID du modèle à empaquetage. Plusieurs modèles peuvent être spécifiés avec des arguments -m supplémentaires. Les modèles doivent d’abord être inscrits.
Chemin d’accès à un fichier JSON contenant des métadonnées d’inscription de modèle. Plusieurs modèles peuvent être fournis à l’aide de plusieurs paramètres -f.
Indicateur pour ne pas attendre les appels asynchrones.
Chemin d’accès de sortie pour le contexte Docker. Si un chemin de sortie est passé, au lieu de générer une image dans l’espace de travail ACR, un fichier Dockerfile et le contexte de génération nécessaire sont écrits dans ce chemin.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Groupe de ressources correspondant à l’espace de travail fourni.
Runtime à utiliser pour le package. Les runtimes pris en charge actuels sont « spark-py » et « python » spark-py|python|python-slim.
Chemin vers des dossiers contenant tous les fichiers pour créer l’image.
Spécifie l’ID d’abonnement.
Nom de l’espace de travail.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model profile
Modèle(s) de profil dans l’espace de travail.
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]Paramètres obligatoires
Nom du profil de modèle.
Paramètres facultatifs
Image personnalisée à utiliser comme image de base. Si aucune image de base n’est proposée, l’image de base sera utilisée en fonction d’un paramètre d’exécution donné.
Registre d’images contenant l’image de base.
Valeur double pour le processeur maximal à utiliser lors du profilage.
Chemin d’accès au fichier local contenant une définition de l’environnement conda à utiliser pour l’image.
Description du profil de modèle.
Répertoire pour Azure Machine Apprentissage Environment pour le déploiement. Il s’agit du même chemin d’accès de répertoire que celui fourni dans la commande « az ml environment scaffold ».
Chemin d’accès au fichier local qui contient le code à exécuter pour le service (chemin relatif de source_directory si un fichier est fourni).
Nom de l’environnement azure Machine Apprentissage pour le déploiement.
Version d’un environnement azure machine Apprentissage existant pour le déploiement.
Double valeur pour la mémoire maximale à utiliser lors du profilage.
Chemin d’accès à un fichier JSON ou YAML contenant une configuration d’inférence.
ID du jeu de données tabulaire à utiliser comme entrée pour le profil.
ID du modèle à déployer. Plusieurs modèles peuvent être spécifiés avec des arguments -m supplémentaires. Les modèles doivent d’abord être inscrits.
Chemin d’accès à un fichier JSON contenant des métadonnées d’inscription de modèle. Plusieurs modèles peuvent être fournis à l’aide de plusieurs paramètres -f.
Chemin d’accès à un fichier JSON dans lequel les métadonnées des résultats du profil seront écrites. Utilisé comme entrée pour le déploiement de modèle.
Groupe de ressources correspondant à l’espace de travail fourni.
Chemin vers des dossiers contenant tous les fichiers pour créer l’image.
Spécifie l’ID d’abonnement.
Nom de l’espace de travail.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model register
Inscrivez un modèle dans l’espace de travail.
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]Paramètres obligatoires
Nom du modèle à inscrire.
Paramètres facultatifs
Chemin d’accès cloud où l’experiement s’exécute stocke le fichier de modèle.
Nombre par défaut de cœurs d’UC à allouer pour ce modèle. Il peut s’agir d’un nombre décimal.
Description du modèle.
Nom de l’expérience.
Quantité de mémoire par défaut (en Go) à allouer pour ce modèle. Il peut s’agir d’un nombre décimal.
Nombre par défaut de GPU à allouer pour ce modèle.
Infrastructure du modèle à inscrire. Infrastructures actuellement prises en charge : TensorFlow, ScikitLearn, Onnx, Custom, Multi.
Version du modèle à inscrire (par exemple, 1.0.0, 2.4.1).
Chemin complet du fichier de modèle à inscrire.
Chemin d’accès à un fichier JSON dans lequel les métadonnées d’inscription de modèle seront écrites. Utilisé comme entrée pour le déploiement de modèle.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Propriété clé/valeur à ajouter (e.g. key=value). Plusieurs propriétés peuvent être spécifiées avec plusieurs options --property.
Groupe de ressources correspondant à l’espace de travail fourni.
ID de l’exécution de l’expérience à partir de laquelle le modèle est inscrit.
Chemin d’accès à un fichier JSON contenant des métadonnées d’exécution d’experiement.
ID de l’exemple de jeu de données d’entrée.
ID de l’exemple de jeu de données de sortie.
Spécifie l’ID d’abonnement.
Balise clé/valeur à ajouter (e.g. key=value). Plusieurs balises peuvent être spécifiées avec plusieurs options --tag.
Nom de l’espace de travail avec lequel inscrire ce modèle.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model show
Afficher un modèle dans l’espace de travail.
az ml model show [--model-id]
[--model-name]
[--path]
[--resource-group]
[--run-id]
[--subscription-id]
[--version]
[--workspace-name]
[-v]Paramètres facultatifs
ID du modèle à afficher.
Nom du modèle à afficher.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Groupe de ressources correspondant à l’espace de travail fourni.
S’il est fourni, affiche uniquement les modèles avec l’ID d’exécution spécifié.
Spécifie l’ID d’abonnement.
S’il est fourni, affiche uniquement les modèles portant le nom et la version spécifiés.
Nom de l’espace de travail contenant le modèle à afficher.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
az ml model update
Mettez à jour un modèle dans l’espace de travail.
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]Paramètres obligatoires
ID du modèle.
Paramètres facultatifs
Propriété clé/valeur à ajouter (e.g. key=value). Plusieurs propriétés peuvent être spécifiées avec plusieurs options --add-property.
Balise clé/valeur à ajouter (e.g. key=value). Plusieurs balises peuvent être spécifiées avec plusieurs options --add-tag.
Nombre par défaut de cœurs d’UC à allouer pour ce modèle. Il peut s’agir d’un nombre décimal.
Description pour mettre à jour le modèle avec. Remplace la description actuelle.
Quantité de mémoire par défaut (en Go) à allouer pour ce modèle. Il peut s’agir d’un nombre décimal.
Nombre par défaut de GPU à allouer pour ce modèle.
Chemin d’accès à un dossier de projet. Valeur par défaut : répertoire actif.
Clé de balise à supprimer. Plusieurs balises peuvent être spécifiées avec plusieurs options --remove-tag.
Groupe de ressources correspondant à l’espace de travail fourni.
ID de l’exemple de jeu de données d’entrée.
ID de l’exemple de jeu de données de sortie.
Spécifie l’ID d’abonnement.
Nom de l’espace de travail.
Indicateur de détail.
Paramètres globaux
Augmentez le niveau de détail de la journalisation pour afficher tous les journaux de débogage.
Affichez ce message d’aide et quittez.
Afficher uniquement les erreurs, en supprimant les avertissements.
Format de sortie.
Chaîne de requêtes JMESPath. Pour plus d’informations et d’exemples, consultez http://jmespath.org/.
Nom ou ID de l’abonnement. Vous pouvez configurer l’abonnement par défaut en utilisant az account set -s NAME_OR_ID.
Augmentez le niveau de détail de la journalisation. Utilisez --debug pour des journaux de débogage complets.
Commentaires
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultez https://aka.ms/ContentUserFeedback.
Envoyer et afficher des commentaires pour