AzureMLException Classe
Classe di base per tutte le eccezioni di Azure Machine Learning.
Questa classe estende la classe Di eccezione Python. Se si sta tentando di rilevare solo le eccezioni di Azure ML, rilevarle con questa classe.
- Ereditarietà
-
builtins.ExceptionAzureMLException
Costruttore
AzureMLException(exception_message, inner_exception=None, target=None, details=None, message_format=None, message_parameters=None, reference_code=None, **kwargs)
Parametri
Nome | Descrizione |
---|---|
exception_message
Necessario
|
Messaggio che descrive l'errore. |
inner_exception
|
Messaggio di errore facoltativo, ad esempio da un'eccezione gestita in precedenza. valore predefinito: None
|
target
|
Nome dell'elemento che ha causato la generazione dell'eccezione. valore predefinito: None
|
details
|
Eventuali informazioni aggiuntive per l'errore, ad esempio altre risposte di errore o stacktraces. valore predefinito: None
|
message_format
|
valore predefinito: None
|
message_parameters
|
valore predefinito: None
|
reference_code
|
valore predefinito: None
|
Commenti
Nell'esempio di codice seguente viene illustrato come gestire , WebserviceExceptionovvero una sottoclasse di AzureMLException. Nel codice, se il controllo del servizio ha esito negativo, il servizio WebServiceException viene gestito e un messaggio può essere stampato.
from azureml.core.model import InferenceConfig
from azureml.core.webservice import AciWebservice
service_name = 'my-custom-env-service'
inference_config = InferenceConfig(entry_script='score.py', environment=environment)
aci_config = AciWebservice.deploy_configuration(cpu_cores=1, memory_gb=1)
service = Model.deploy(workspace=ws,
name=service_name,
models=[model],
inference_config=inference_config,
deployment_config=aci_config,
overwrite=True)
service.wait_for_deployment(show_output=True)
Metodi
print_stacktrace |
print_stacktrace
print_stacktrace()
Attributi
inner_exception
Restituisce il messaggio di eccezione interna.
Restituisce
Tipo | Descrizione |
---|---|
Messaggio di eccezione interno. |
message
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per