az ml model
Notitie
Deze referentie maakt deel uit van de azure-cli-ml-extensie voor Azure CLI en vereist versie 2.0.28 of hoger. De extensie wordt automatisch geïnstalleerd wanneer u de opdracht az ml model de eerste keer gebruikt. Meer informatie over extensies.
Beheer machine learning modellen.
Opdracht
| az ml model delete |
Verwijder een model uit de werkruimte. |
| az ml model deploy |
Model(s) implementeren vanuit de werkruimte. |
| az ml model download |
Download een model uit de werkruimte. |
| az ml model list |
Lijst met modellen in de werkruimte. |
| az ml model package |
Een model verpakken in de werkruimte. |
| az ml model profile |
Profielmodellen in de werkruimte. |
| az ml model register |
Registreer een model bij de werkruimte. |
| az ml model show |
Een model in de werkruimte tonen. |
| az ml model update |
Werk een model bij in de werkruimte. |
az ml model delete
Verwijder een model uit de werkruimte.
az ml model delete --model-id
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]
Vereiste parameters
De id van het model dat moet worden verwijderd.
Optionele parameters
Pad naar een projectmap. Standaardinstelling: huidige map.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Hiermee geeft u de abonnements-id op.
Naam van de werkruimte.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model deploy
Model(s) implementeren vanuit de werkruimte.
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]
Vereiste parameters
De naam van de geïmplementeerde service.
Optionele parameters
Hiermee wordt bepaald of sleutel auth voor deze webservice moet worden ingeschakeld. Standaard ingesteld op False.
Hiermee wordt bepaald of AppInsights moet worden ingeschakeld voor deze webservice. Standaard ingesteld op False.
Hoe vaak de automatische schaalvergroting moet proberen deze webservice te schalen. Standaardwaarde is 1.
Hiermee wordt bepaald of automatisch schalen voor deze webservice moet worden ingeschakeld. De standaardwaarde is Waar als num_replicas is ingesteld op Geen.
Het doelgebruik (in procenten van de 100) moet de automatische schaalverdeder proberen te onderhouden voor deze webservice. De standaardwaarde is 70.
Het maximum aantal containers dat moet worden gebruikt bij het automatisch schalen van deze webservice. De standaardwaarde is 10.
Het minimale aantal containers dat moet worden gebruikt bij het automatisch schalen van deze webservice. Standaardwaarde is 1.
Een aangepaste afbeelding die moet worden gebruikt als basisafbeelding. Als er geen basisafbeelding is opgegeven, wordt de basisafbeelding gebruikt op basis van een bepaalde runtimeparameter.
Het register met de basisafbeelding.
Het aantal CPU-kernen dat voor deze webservice moet worden toegewezen. Kan een decimaal zijn. De standaardwaarde is 0.1.
Het maximum aantal CPU-kernen dat deze webservice mag gebruiken. Kan een decimaal zijn.
Pad naar een lokaal bestand met een conda-omgevingsdefinitie die voor de afbeelding moet worden gebruikt.
Hiermee wordt bepaald of het verzamelen van modelgegevens voor deze webservice moet worden ingeschakeld. Standaard ingesteld op False.
Naam van rekendoel. Alleen van toepassing bij het implementeren naar AKS.
Rekentype van de service die moet worden geïmplementeerd.
De versie van CUDA die moet worden geïnstalleerd voor installatie van installatie-apps die GPU-ondersteuning nodig hebben. De GPU-afbeelding moet worden gebruikt voor Microsoft Azure Services zoals Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines en Azure Kubernetes Service. Ondersteunde versies zijn 9.0, 9.1 en 10.0. Als 'enable_gpu' is ingesteld, wordt deze standaard ingesteld op '9.1'.
Pad naar een JSON- of YAML-bestand met implementatiemetagegevens.
Beschrijving van de geïmplementeerde service.
De DNS-naam voor deze webservice.
Pad naar het lokale bestand met aanvullende Docker-stappen die moeten worden uitgevoerd bij het instellen van de afbeelding.
Map voor Azure Machine Learning-omgeving voor implementatie. Dit is hetzelfde mappad als dat is opgegeven in de opdracht 'az ml environment scaffold'.
Of GPU-ondersteuning in de afbeelding moet worden ingeschakeld. De GPU-afbeelding moet worden gebruikt voor Microsoft Azure Services zoals Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines en Azure Kubernetes Service. Standaard ingesteld op False.
Pad naar een lokaal bestand dat de code bevat die moet worden uitgevoerd voor de service (relatief pad source_directory als er een is opgegeven).
Naam van Azure Machine Learning omgeving voor implementatie.
Versie van een bestaande Azure Machine Learning omgeving voor implementatie.
Wanneer een pod wordt gestart en de liveness-test mislukt, probeert Kubernetes --failure-threshold keer voordat het opgeeft. Standaardwaarde is 3. Minimumwaarde is 1.
De hoeveelheid geheugen (in GB) die moet worden toegewezen voor deze webservice. Kan een decimaal zijn.
De maximale hoeveelheid geheugen (in GB) die deze webservice mag gebruiken. Kan een decimaal zijn.
Het aantal gpu-kernen dat voor deze webservice moet worden toegewezen. Standaard is 1.
Pad naar een JSON- of YAML-bestand met de deference-configuratie.
Aantal seconden nadat de container is gestart voordat de activiteitstests worden gestart. De standaardwaarde is 310.
Sleutelnaam voor versleutelingseigenschappen in door de klant beheerde sleutels (CMK) voor ACI.
Sleutelversie voor versleutelingseigenschappen in door de klant beheerde sleutels (CMK) voor ACI.
Een primaire auth-sleutel voor deze webservice.
Een secundaire auth-sleutel voor deze webservice.
De Azure-regio om deze webservice in te implementeren. Als deze niet wordt opgegeven, wordt de werkruimtelocatie gebruikt. Meer informatie over beschikbare regio's vindt u hier: https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all&products=container-instances .
De maximale tijd dat een aanvraag in de wachtrij blijft (in milliseconden) voordat een 503-fout wordt weergegeven. De standaardwaarde is 500.
De id van het model dat moet worden geïmplementeerd. Er kunnen meerdere modellen worden opgegeven met extra -m-argumenten. Modellen moeten eerst worden geregistreerd.
Pad naar een JSON-bestand met metagegevens van modelregistratie. Meerdere modellen kunnen worden opgegeven met behulp van meerdere -f parameters.
Kubernetes-naamruimte waarin de service moet worden geïmplementeerd: maximaal 63 alfanumerieke kleine letters ('a'-'z', '0'-'9') en afbreekstreedelen ('-'). De eerste en laatste tekens mogen geen koppeltekens zijn. Alleen van toepassing bij het implementeren naar AKS.
Vlag om niet te wachten op asynchrone aanroepen.
Het aantal containers dat voor deze webservice moet worden toegewezen. Geen standaardinstelling: als deze parameter niet is ingesteld, wordt de automatische schaalset standaard ingeschakeld.
Overschrijf de bestaande service als naamconflicten veroorzaken.
Pad naar een projectmap. Standaardinstelling: huidige map.
Hoe vaak (in seconden) de activiteitstest moet worden uitgevoerd. De standaardwaarde is 10 seconden. Minimumwaarde is 1.
Pad naar een JSON-bestand met profileringsresultaten.
De lokale poort waarop het HTTP-eindpunt van de service beschikbaar wordt gemaakt.
De eigenschap Sleutel/waarde die moet worden toevoegen (bijvoorbeeld sleutel=waarde). Er kunnen meerdere eigenschappen worden opgegeven met meerdere --eigenschapsopties.
Het maximum aantal gelijktijdige aanvragen per knooppunt dat is toegestaan voor deze webservice. Standaardwaarde is 1.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Welke runtime moet worden gebruikt voor de afbeelding. De huidige ondersteunde runtimes zijn 'spark-py' en 'python'spark-py|python|python-slim.
De cname voor als SSL is ingeschakeld.
Een time-out om af te dwingen voor scoring-aanroepen naar deze webservice. De standaardwaarde is 60000.
Pad naar mappen die alle bestanden bevatten om de afbeelding te maken.
Hiermee wordt bepaald of SSL voor deze webservice moet worden ingeschakeld. Standaard ingesteld op False.
Het sleutelbestand dat nodig is als SSL is ingeschakeld.
Het certificaatbestand dat nodig is als SSL is ingeschakeld.
De minimale opeenvolgende successen voor de activiteitstest voordat de test succesvol of mislukt is. Standaardwaarde is 1. Minimumwaarde is 1.
Naam van het subnet in het vnet.
Hiermee geeft u de abonnements-id op.
Sleutel-waardetag die moet worden toevoegen (bijvoorbeeld sleutel=waarde). Er kunnen meerdere tags worden opgegeven met meerdere --tag-opties.
Het aantal seconden waarna er een times-out is voor de liveness-test. De standaardwaarde is 2 seconden. Minimumwaarde is 1.
Hiermee wordt bepaald of token-auth voor deze webservice moet worden ingeschakeld. Genegeerd als deze niet wordt geïmplementeerd in AKS. Standaard ingesteld op False.
De hoeveelheid verkeer die de versie in een eindpunt neemt. Kan een decimaal zijn. De standaardwaarde is 0.
Basis-URL van kluis voor versleutelingseigenschappen in door de klant beheerde sleutels (CMK) voor ACI.
De versienaam in een eindpunt. De standaardwaarde is eindpuntnaam voor de eerste versie.
Naam van het virtuele netwerk.
Naam van de werkruimte.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model download
Download een model uit de werkruimte.
az ml model download --model-id
--target-dir
[--overwrite]
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]
Vereiste parameters
Id van model.
Doelmap om het modelbestand naar te downloaden.
Optionele parameters
Overschrijf als hetzelfde naambestand in de doelmap bestaat.
Pad naar een projectmap. Standaardinstelling: huidige map.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Hiermee geeft u de abonnements-id op.
Naam van de werkruimte met het model dat moet worden weer gegeven.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model list
Lijst met modellen in de werkruimte.
az ml model list [--dataset-id]
[--latest]
[--model-name]
[--path]
[--property]
[--resource-group]
[--run-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]
Optionele parameters
Indien opgegeven, worden alleen modellen met de opgegeven gegevensset-id weer gegeven.
Indien opgegeven, worden alleen modellen met de nieuwste versie retourneren.
Een optionele modelnaam om de lijst op te filteren.
Pad naar een projectmap. Standaardinstelling: huidige map.
De eigenschap Sleutel/waarde die moet worden toevoegen (bijvoorbeeld sleutel=waarde). Er kunnen meerdere eigenschappen worden opgegeven met meerdere --eigenschapsopties.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Indien opgegeven, worden alleen modellen met de opgegeven run-id weer gegeven.
Hiermee geeft u de abonnements-id op.
Sleutel-waardetag die moet worden toevoegen (bijvoorbeeld sleutel=waarde). Er kunnen meerdere tags worden opgegeven met meerdere --tag-opties.
Naam van de werkruimte met modellen die moeten worden weergegeven.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model package
Een model verpakken in de werkruimte.
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]
Optionele parameters
Pad naar een lokaal bestand met een conda-omgevingsdefinitie die moet worden gebruikt voor het pakket.
Map voor Azure Machine Learning environment voor verpakking. Het is hetzelfde mappad als dat is opgegeven in de opdracht 'az ml environment scaffold'.
Pad naar het lokale bestand dat de code bevat die moet worden uitgevoerd voor de service (relatief pad source_directory als er een is opgegeven).
Naam van Azure Machine Learning environment voor verpakking.
Versie van een bestaande Azure Machine Learning environment voor verpakking.
Pad naar een JSON- of YAML-bestand met de deference-configuratie.
Label om de ingebouwde pakketafbeelding te geven.
Geef de gebouwde pakketafbeelding een naam.
De id van het model dat moet worden verpakt. Er kunnen meerdere modellen worden opgegeven met extra -m-argumenten. Modellen moeten eerst worden geregistreerd.
Pad naar een JSON-bestand met metagegevens van modelregistratie. Meerdere modellen kunnen worden opgegeven met behulp van meerdere -f parameters.
Vlag om niet te wachten op asynchrone aanroepen.
Uitvoerpad voor Docker-context. Als een uitvoerpad wordt doorgegeven, worden in plaats van een afbeelding in de ACR van de werkruimte te bouwen, een dockerfile en de benodigde buildcontext naar dat pad geschreven.
Pad naar een projectmap. Standaardinstelling: huidige map.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Welke runtime moet worden gebruikt voor het pakket. De huidige ondersteunde runtimes zijn 'spark-py' en 'python'spark-py|python|python-slim.
Pad naar mappen die alle bestanden bevatten om de afbeelding te maken.
Hiermee geeft u de abonnements-id op.
Naam van de werkruimte.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model profile
Profielmodellen in de werkruimte.
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]
Vereiste parameters
De naam van het modelprofiel.
Optionele parameters
Een aangepaste afbeelding die moet worden gebruikt als basisafbeelding. Als er geen basisafbeelding is opgegeven, wordt de basisafbeelding gebruikt op basis van een bepaalde runtimeparameter.
Het register met de basisafbeelding.
Dubbele waarde voor maximaal CPU-gebruik bij profilering.
Pad naar een lokaal bestand met een conda-omgevingsdefinitie die moet worden gebruikt voor de afbeelding.
Beschrijving van het modelprofiel.
Map voor Azure Machine Learning-omgeving voor implementatie. Het is hetzelfde mappad als dat is opgegeven in de opdracht 'az ml environment scaffold'.
Pad naar het lokale bestand dat de code bevat die moet worden uitgevoerd voor de service (relatief pad source_directory als er een is opgegeven).
Naam van Azure Machine Learning omgeving voor implementatie.
Versie van een bestaande Azure Machine Learning omgeving voor implementatie.
Dubbele waarde voor maximaal geheugen dat moet worden gebruikt bij profilering.
Pad naar een JSON- of YAML-bestand met de deferentieconfiguratie.
Id van de tabelgegevensset die moet worden gebruikt als invoer voor het profiel.
De id van het model dat moet worden geïmplementeerd. Er kunnen meerdere modellen worden opgegeven met extra -m-argumenten. Modellen moeten eerst worden geregistreerd.
Pad naar een JSON-bestand met metagegevens van modelregistratie. Meerdere modellen kunnen worden opgegeven met behulp van meerdere -f parameters.
Pad naar een JSON-bestand waarin metagegevens van profielresultaten worden geschreven. Wordt gebruikt als invoer voor modelimplementatie.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Pad naar mappen die alle bestanden bevatten om de afbeelding te maken.
Hiermee geeft u de abonnements-id op.
Naam van de werkruimte.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model register
Registreer een model bij de werkruimte.
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]
Vereiste parameters
Naam van het model dat moet worden geregistreerd.
Optionele parameters
Het cloudpad waar het modelbestand wordt opgeslagen.
Het standaardaantal CPU-kernen dat voor dit model moet worden toegewezen. Kan een decimaal zijn.
Beschrijving van het model.
De naam van het experiment.
De standaard hoeveelheid geheugen (in GB) die voor dit model moet worden toegewezen. Kan een decimaal zijn.
Het standaard aantal GPU's dat voor dit model moet worden toegewezen.
Framework van het model dat moet worden geregistreerd. Momenteel ondersteunde frameworks: TensorFlow, ScikitLearn, Onnx, Custom, Multi.
Frameworkversie van het model dat moet worden geregistreerd (bijvoorbeeld 1.0.0, 2.4.1).
Volledig pad van het modelbestand dat moet worden geregistreerd.
Pad naar een JSON-bestand waarin metagegevens van modelregistratie worden geschreven. Wordt gebruikt als invoer voor modelimplementatie.
Pad naar een projectmap. Standaardinstelling: huidige map.
De eigenschap Sleutel/waarde die moet worden toevoegen (bijvoorbeeld sleutel=waarde ). Meerdere eigenschappen kunnen worden opgegeven met meerdere --eigenschapsopties.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
De id voor de experiment-uitvoering waarbij het model is geregistreerd.
Pad naar een JSON-bestand met metagegevens van de proefrun.
De id voor de voorbeeldinvoergegevensset.
De id voor de voorbeelduitvoergegevensset.
Hiermee geeft u de abonnements-id op.
Sleutel-waardetag die moet worden toevoegen (bijvoorbeeld sleutel=waarde ). Er kunnen meerdere tags worden opgegeven met meerdere --tag-opties.
Naam van de werkruimte om dit model bij te registreren.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model show
Een model in de werkruimte tonen.
az ml model show [--model-id]
[--model-name]
[--path]
[--resource-group]
[--run-id]
[--subscription-id]
[--version]
[--workspace-name]
[-v]
Optionele parameters
De id van het model dat moet worden weer geven.
De naam van het model dat moet worden weer gegeven.
Pad naar een projectmap. Standaardinstelling: huidige map.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
Indien opgegeven, worden alleen modellen met de opgegeven run-id.
Hiermee geeft u de abonnements-id op.
Indien opgegeven, worden alleen modellen met de opgegeven naam en versie weer gegeven.
De naam van de werkruimte met het model dat moet worden weer gegeven.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.
az ml model update
Werk een model bij in de werkruimte.
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]
Vereiste parameters
Id van model.
Optionele parameters
De eigenschap Sleutel/waarde die moet worden toevoegen (bijvoorbeeld sleutel=waarde ). Er kunnen meerdere eigenschappen worden opgegeven met meerdere --add-property-opties.
Sleutel-waardetag die moet worden toevoegen (bijvoorbeeld sleutel=waarde ). Er kunnen meerdere tags worden opgegeven met meerdere --add-tag-opties.
Het standaardaantal CPU-kernen dat voor dit model moet worden toegewezen. Kan een decimaal zijn.
Beschrijving om het model mee bij te werken. Vervangt de huidige beschrijving.
De standaard hoeveelheid geheugen (in GB) die voor dit model moet worden toegewezen. Kan een decimaal zijn.
Het standaard aantal GPU's dat voor dit model moet worden toegewezen.
Pad naar een projectmap. Standaardinstelling: huidige map.
De sleutel van de tag die moet worden verwijderd. Er kunnen meerdere tags worden opgegeven met meerdere --remove-tag-opties.
Resourcegroep die overeenkomt met de opgegeven werkruimte.
De id voor de voorbeeldinvoergegevensset.
De id voor de voorbeelduitvoergegevensset.
Hiermee geeft u de abonnements-id op.
Naam van de werkruimte.
Meerheidsvlag.
Vergroot de logboekbebossing om alle logboeken voor foutopsporing weer te geven.
Laat dit Help-bericht zien en sluit af.
Alleen fouten weergeven, waarschuwingen onderdrukken.
Uitvoerindeling.
JMESPath-queryreeks. Zie http://jmespath.org/ voor meer informatie en voorbeelden.
Vergroot de logboekverkenbaarheid. Gebruik --debug voor volledige logboeken voor foutopsporing.