Model Klasa

Reprezentuje wynik szkolenia uczenia maszynowego.

Model jest wynikiem szkolenia uczenia maszynowego Azure Run lub innego procesu szkolenia modelu poza platformą Azure. Niezależnie od tego, jak model jest produkowany, można go zarejestrować w obszarze roboczym, gdzie jest reprezentowane przez nazwę i wersję. Za pomocą klasy model można spakować modele do użycia z platformą Docker i wdrożyć je jako punkt końcowy w czasie rzeczywistym, który może być używany w żądaniach wnioskowania.

Aby uzyskać kompleksowy samouczek pokazujący, jak modele są tworzone, zarządzane i używane, zobacz artykuł uczenie modelu klasyfikacji z danymi mnist ręcznie i scikit — uczenie się przy użyciu Azure Machine Learning.

Dziedziczenie
builtins.object
Model

Konstruktor

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

Parametry

workspace
Workspace

Obiekt obszaru roboczego zawierający model do pobrania.

name
<xref:str>

Nazwa modelu do pobrania. Jest zwracany najnowszy model o określonej nazwie, jeśli istnieje.

id
<xref:str>

Identyfikator modelu do pobrania. Model o określonym IDENTYFIKATORze jest zwracany, jeśli istnieje.

tags
list

Opcjonalna lista tagów służących do filtrowania zwracanych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukiwanie według "Key" lub "[Key, Value]". Np. ["Key", ["klucz2", "klucz2 Value"]]

properties
list

Opcjonalna lista właściwości służących do filtrowania zwracanych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukiwanie według "Key" lub "[Key, Value]". Np. ["Key", ["klucz2", "klucz2 Value"]]

version
<xref:int>

Wersja modelu do zwrócenia. Jeśli jest dostarczany wraz z name parametrem, zwracana jest określona wersja określonego modelu nazwanego, jeśli istnieje. versionW przypadku pominięcia jest zwracana Ostatnia wersja modelu.

run_id
<xref:str>

Opcjonalny identyfikator używany do filtrowania zwracanych wyników.

model_framework
<xref:str>

Opcjonalna nazwa struktury używana do filtrowania zwracanych wyników. Jeśli ta wartość jest określona, wyniki są zwracane dla modeli pasujących do określonej struktury. Zobacz, Framework Aby uzyskać dozwolone wartości.

Uwagi

Konstruktor modelu służy do pobierania reprezentacji w chmurze obiektu modelu skojarzonego z określonym obszarem roboczym. Aby można było pobierać modele, należy podać co najmniej nazwę lub identyfikator, ale również inne opcje filtrowania, w tym Tagi, właściwości, wersję, identyfikator przebiegu i strukturę.


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

Poniższy przykład pokazuje, jak pobrać określoną wersję modelu.


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

Zarejestrowanie modelu powoduje utworzenie kontenera logicznego dla co najmniej jednego pliku, który składa się z modelu. Oprócz zawartości samego pliku modelu zarejestrowany model również przechowuje metadane modelu, w tym opis modelu, Tagi i informacje o strukturze, które są przydatne podczas zarządzania i wdrażania modelu w obszarze roboczym. Na przykład za pomocą tagów można klasyfikować modele i stosować filtry podczas wyświetlania listy modeli w obszarze roboczym. Po zarejestrowaniu można pobrać lub wdrożyć zarejestrowany model i odebrać wszystkie zarejestrowane pliki i metadane.

Poniższy przykład pokazuje, jak zarejestrować model, określając Tagi i opis.


   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)

Pełny przykład jest dostępny z https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Poniższy przykład pokazuje, jak zarejestrować model określania struktury, wejściowych i wyjściowych zestawów danych oraz konfiguracji zasobów.


   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)

Pełny przykład jest dostępny z https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-cloud/model-register-and-deploy.ipynb

Sekcja zmienne zawiera listę atrybutów lokalnej reprezentacji obiektu modelu chmury. Te zmienne powinny być traktowane jako tylko do odczytu. Zmiana ich wartości nie będzie odzwierciedlona w odpowiadającym jej obiekcie w chmurze.

Zmienne

created_by
<xref:dict>

Użytkownik, który utworzył model.

created_time
<xref:datetime.datetime>

Po utworzeniu modelu.

azureml.core.Model.description

Opis obiektu modelu.

azureml.core.Model.id

Identyfikator modelu. Przyjmuje postać < nazwy modelu > : < wersja modelu > .

mime_type
<xref:str>

Typ MIME modelu.

azureml.core.Model.name

Nazwa modelu.

model_framework
<xref:str>

Struktura modelu.

model_framework_version
<xref:str>

Wersja struktury modelu.

azureml.core.Model.tags

Słownik tagów dla obiektu modelu.

azureml.core.Model.properties

Słownik właściwości wartości klucza dla modelu. Tych właściwości nie można zmienić po rejestracji, ale można dodać nowe pary klucz wartość.

unpack
<xref:bool>

Czy model musi być rozpakowany (untarred) podczas ściągania do kontekstu lokalnego.

url
<xref:str>

Lokalizacja adresu URL modelu.

azureml.core.Model.version

Wersja modelu.

azureml.core.Model.workspace

Obszar roboczy zawierający model.

azureml.core.Model.experiment_name

Nazwa eksperymentu, który utworzył model.

azureml.core.Model.run_id

Identyfikator uruchomienia, który utworzył model.

parent_id
<xref:str>

Identyfikator modelu nadrzędnego modelu.

derived_model_ids
list[<xref:str>]

Lista identyfikatorów modelu, które zostały uzyskane z tego modelu.

resource_configuration
ResourceConfiguration

ResourceConfiguration dla tego modelu. Używany do profilowania.

Metody

add_dataset_references

Skojarz dostarczone zestawy danych z tym modelem.

add_properties

Dodaj pary klucz wartość do słownika właściwości tego modelu.

add_tags

Dodaj pary klucz wartość do słownika tagów tego modelu.

delete

Usuń ten model ze skojarzonego z nim obszaru roboczego.

deploy

Wdróż usługę sieci Web na podstawie zera lub większej liczby Model obiektów.

Powstająca w czasie rzeczywistym usługa sieci Web jest punktem końcowym, który może być używany w żądaniach wnioskowania. Funkcja model deploy jest podobna do deploy funkcji Webservice klasy, ale nie rejestruje modeli. Użyj funkcji model, deploy Jeśli masz obiekty modelu, które są już zarejestrowane.

deserialize

Przekonwertuj obiekt JSON na obiekt modelu.

Konwersja nie powiedzie się, jeśli określony obszar roboczy nie jest obszarem roboczym, w którym jest zarejestrowany model.

download

Pobierz model do katalogu docelowego lokalnego systemu plików.

get_model_path

Zwróć ścieżkę do modelu.

Funkcja przeszuka model w następujących lokalizacjach.

Jeśli nie version jest:

  1. Pobierz ze zdalnego do pamięci podręcznej (jeśli podano obszar roboczy)
  2. Załaduj z pamięci podręcznej Azure-models/$MODEL _NAME/$LATEST _VERSION/
  3. _NAME./$MODEL

Jeśli version nie jest żadnej:

  1. Załaduj z pamięci podręcznej Azure-models/$MODEL _NAME/$SPECIFIED _VERSION/
  2. Pobierz ze zdalnego do pamięci podręcznej (jeśli podano obszar roboczy)
get_sas_urls

Zwróć słownik par klucz-wartość zawierających nazwy plików i odpowiadające im adresy URL sygnatury dostępu współdzielonego.

list

Pobierz listę wszystkich modeli skojarzonych z udostępnionym obszarem roboczym z opcjonalnymi filtrami.

package

Utwórz pakiet modelu w formie obrazu platformy Docker lub kontekstu kompilacji pliku dockerfile.

print_configuration

Wydrukuj konfigurację użytkownika.

profile

Profiluje model, aby uzyskać zalecenia dotyczące wymagań dotyczących zasobów.

Jest to długotrwała operacja, która może trwać do 25 minut w zależności od rozmiaru zestawu danych.

register

Zarejestruj model przy użyciu podanego obszaru roboczego.

remove_tags

Usuń określone klucze ze słownika tagów tego modelu.

serialize

Przekonwertuj ten model na serializowany słownik JSON.

update

Wykonaj aktualizację w miejscu modelu.

Istniejące wartości określonych parametrów są zastępowane.

update_tags_properties

Wykonaj aktualizację tagów i właściwości modelu.

add_dataset_references

Skojarz dostarczone zestawy danych z tym modelem.

add_dataset_references(datasets)

Parametry

datasets
list[<xref:tuple>(<xref:str : >(Dataset lub DatasetSnapshot))]

Lista krotek reprezentująca parowanie przeznaczenie zestawu danych do obiektu DataSet.

add_properties

Dodaj pary klucz wartość do słownika właściwości tego modelu.

add_properties(properties)

Parametry

properties
<xref:dict>(<xref:str : str>)

Słownik właściwości do dodania.

add_tags

Dodaj pary klucz wartość do słownika tagów tego modelu.

add_tags(tags)

Parametry

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

Słownik tagów do dodania.

Wyjątki

delete

Usuń ten model ze skojarzonego z nim obszaru roboczego.

delete()

deploy

Wdróż usługę sieci Web na podstawie zera lub większej liczby Model obiektów.

Powstająca w czasie rzeczywistym usługa sieci Web jest punktem końcowym, który może być używany w żądaniach wnioskowania. Funkcja model deploy jest podobna do deploy funkcji Webservice klasy, ale nie rejestruje modeli. Użyj funkcji model, deploy Jeśli masz obiekty modelu, które są już zarejestrowane.

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

Parametry

workspace
Workspace

Obiekt obszaru roboczego, z którym ma zostać skojarzona usługa sieci Web.

name
<xref:str>

Nazwa do nadania wdrożonej usłudze. Musi być unikatowa w obszarze roboczym, zawierać tylko małe litery, cyfry lub kreski, zaczynać się od litery i zawierać od 3 do 32 znaków.

models
list[Model]

Lista obiektów modelu. Może być pustą listą.

inference_config
InferenceConfig
wartość domyślna: None

Obiekt InferenceConfig używany do określenia wymaganych właściwości modelu.

deployment_config
WebserviceDeploymentConfiguration
wartość domyślna: None

WebserviceDeploymentConfiguration używany do konfigurowania usługi sieci Web. Jeśli nie zostanie podany, zostanie użyty pusty obiekt konfiguracji w oparciu o żądany element docelowy.

deployment_target
ComputeTarget
wartość domyślna: None

A, ComputeTarget Aby wdrożyć usługę sieci Web w usłudze. Jako Azure Container Instances nie ma skojarzonego ComputeTarget , pozostaw ten parametr jako brak do wdrożenia, aby Azure Container Instances.

overwrite
<xref:bool>
wartość domyślna: False

Wskazuje, czy istniejąca usługa ma zostać zastąpiona, jeśli istnieje już usługa o określonej nazwie.

show_output
<xref:bool>
wartość domyślna: False

Wskazuje, czy ma być wyświetlany postęp wdrażania usługi.

Zwraca

Obiekt usługi WebService odpowiadający wdrożonej usłudze sieci Web.

Typ zwracany

Wyjątki

deserialize

Przekonwertuj obiekt JSON na obiekt modelu.

Konwersja nie powiedzie się, jeśli określony obszar roboczy nie jest obszarem roboczym, w którym jest zarejestrowany model.

deserialize(workspace, model_payload)

Parametry

workspace
Workspace

Obiekt obszaru roboczego, w którym jest zarejestrowany model.

model_payload
<xref:dict>

Obiekt JSON do przekonwertowania na obiekt modelu.

Zwraca

Reprezentacja modelu podanego obiektu JSON.

Typ zwracany

download

Pobierz model do katalogu docelowego lokalnego systemu plików.

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

Parametry

target_dir
<xref:str>
wartość domyślna: .

Ścieżka do katalogu, w którym ma zostać pobrany model. Wartość domyślna to "."

exist_ok
<xref:bool>
wartość domyślna: False

Wskazuje, czy pobrane pliki DIR/Files mają zostać zastąpione, jeśli istnieją. Wartością domyślną jest false.

exists_ok
<xref:bool>
wartość domyślna: None

Przestarzałe. Użyj polecenia exist_ok.

Zwraca

Ścieżka do pliku lub folderu modelu.

Typ zwracany

<xref:str>

get_model_path

Zwróć ścieżkę do modelu.

Funkcja przeszuka model w następujących lokalizacjach.

Jeśli nie version jest:

  1. Pobierz ze zdalnego do pamięci podręcznej (jeśli podano obszar roboczy)
  2. Załaduj z pamięci podręcznej Azure-models/$MODEL _NAME/$LATEST _VERSION/
  3. _NAME./$MODEL

Jeśli version nie jest żadnej:

  1. Załaduj z pamięci podręcznej Azure-models/$MODEL _NAME/$SPECIFIED _VERSION/
  2. Pobierz ze zdalnego do pamięci podręcznej (jeśli podano obszar roboczy)
get_model_path(model_name, version=None, _workspace=None)

Parametry

model_name
<xref:str>

Nazwa modelu do pobrania.

version
<xref:int>
wartość domyślna: None

Wersja modelu do pobrania. Wartość domyślna to Najnowsza wersja.

_workspace
Workspace
wartość domyślna: None

Obszar roboczy, z którego ma zostać pobrany model. Nie można użyć zdalnie. Jeśli nie zostanie określony, wyszukiwana jest tylko lokalna pamięć podręczna.

Zwraca

Ścieżka na dysku do modelu.

Typ zwracany

<xref:str>

Wyjątki

get_sas_urls

Zwróć słownik par klucz-wartość zawierających nazwy plików i odpowiadające im adresy URL sygnatury dostępu współdzielonego.

get_sas_urls()

Zwraca

Słownik par klucz-wartość zawierających nazwy plików i odpowiadające im adresy URL sygnatury dostępu współdzielonego

Typ zwracany

<xref:dict>

list

Pobierz listę wszystkich modeli skojarzonych z udostępnionym obszarem roboczym z opcjonalnymi filtrami.

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

Parametry

workspace
Workspace

Obiekt obszaru roboczego, z którego mają zostać pobrane modele.

name
<xref:str>
wartość domyślna: None

Jeśli ta wartość jest określona, program zwróci tylko modele o określonej nazwie (jeśli istnieją).

tags
list
wartość domyślna: None

Zostanie przefiltrowany na podstawie podanej listy przez "Key" lub "[Key, Value]". Np. ["Key", ["klucz2", "klucz2 Value"]]

properties
list
wartość domyślna: None

Zostanie przefiltrowany na podstawie podanej listy przez "Key" lub "[Key, Value]". Np. ["Key", ["klucz2", "klucz2 Value"]]

run_id
<xref:str>
wartość domyślna: None

Zostanie odfiltrowany na podstawie podanego identyfikatora uruchomienia.

latest
<xref:bool>
wartość domyślna: False

W przypadku wartości true program zwróci tylko modele z najnowszą wersją.

dataset_id
<xref:str>
wartość domyślna: None

Zostanie odfiltrowany na podstawie podanego identyfikatora zestawu danych.

expand
<xref:bool>
wartość domyślna: True

Jeśli wartość jest równa true, program zwróci modele ze wszystkimi właściwościami SubProperties, np. Run, DataSet i eksperyment. Ustawienie tej wartości na false powinno przyspieszyć uzupełnianie listy () w przypadku wielu modeli.

page_count
<xref:int>
wartość domyślna: 255

Liczba elementów do pobrania na stronie. Obecnie obsługiwane są wartości do 255. Wartość domyślna to 255.

model_framework
<xref:str>
wartość domyślna: None

Jeśli ta wartość jest określona, program zwróci tylko modele z określoną strukturą (jeśli istnieją).

Zwraca

Lista modeli, opcjonalnie filtrowana.

Typ zwracany

Wyjątki

package

Utwórz pakiet modelu w formie obrazu platformy Docker lub kontekstu kompilacji pliku dockerfile.

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

Parametry

workspace
Workspace

Obszar roboczy, w którym ma zostać utworzony pakiet.

models
list[Model]

Lista obiektów modelu do uwzględnienia w pakiecie. Może być pustą listą.

inference_config
InferenceConfig
wartość domyślna: None

Obiekt InferenceConfig do konfigurowania operacji modeli. Musi on zawierać obiekt środowiska.

generate_dockerfile
<xref:bool>
wartość domyślna: False

Określa, czy utworzyć pliku dockerfile, który może być uruchamiany lokalnie, zamiast tworzyć obraz.

image_name
<xref:str>
wartość domyślna: None

Podczas kompilowania obrazu, nazwa dla obrazu, który zostanie utworzony.

image_label
<xref:str>
wartość domyślna: None

Podczas kompilowania obrazu, etykieta dla wyniku obrazu.

Zwraca

Obiekt ModelPackage.

Typ zwracany

Wydrukuj konfigurację użytkownika.

print_configuration(models, inference_config, deployment_config, deployment_target)

Parametry

models
list[Model]

Lista obiektów modelu. Może być pustą listą.

inference_config
InferenceConfig

Obiekt InferenceConfig używany do określenia wymaganych właściwości modelu.

deployment_config
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration używany do konfigurowania usługi sieci Web.

deployment_target
ComputeTarget

A, ComputeTarget Aby wdrożyć usługę sieci Web w usłudze.

profile

Profiluje model, aby uzyskać zalecenia dotyczące wymagań dotyczących zasobów.

Jest to długotrwała operacja, która może trwać do 25 minut w zależności od rozmiaru zestawu danych.

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

Parametry

workspace
Workspace

Obiekt obszaru roboczego, w którym ma zostać profilować model.

profile_name
<xref:str>

Nazwa przebiegu profilowania.

models
list[Model]

Lista obiektów modelu. Może być pustą listą.

inference_config
InferenceConfig

Obiekt InferenceConfig używany do określenia wymaganych właściwości modelu.

input_dataset
Dataset

Wejściowy zestaw danych do profilowania. Wejściowy zestaw danych powinien mieć pojedynczą kolumnę, a przykładowe dane wejściowe powinny być w formacie ciągu.

cpu
<xref:float>
wartość domyślna: None

Liczba rdzeni procesora CPU, które mają być używane na największym wystąpieniu testu. Obecnie obsługiwane są wartości do 3,5.

memory_in_gb
<xref:float>
wartość domyślna: None

Ilość pamięci (w GB) do użycia na największym wystąpieniu testu. Może być liczbą dziesiętną. Obecnie obsługiwane są wartości do 15,0.

description
<xref:str>
wartość domyślna: None

Opis, który ma zostać skojarzony z przebiegiem profilowania.

Typ zwracany

register

Zarejestruj model przy użyciu podanego obszaru roboczego.

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)

Parametry

workspace
Workspace

Obszar roboczy, w którym ma zostać zarejestrowany model.

model_path
<xref:str>

Ścieżka do lokalnego systemu plików, w którym znajdują się zasoby modelu. Może to być bezpośredni wskaźnik do pojedynczego pliku lub folderu. Jeśli wskazujesz folder, child_paths można użyć parametru, aby określić poszczególne pliki do powiązania razem jako obiekt modelu, w przeciwieństwie do użycia całej zawartości folderu.

model_name
<xref:str>

Nazwa, za pomocą której ma zostać zarejestrowany model.

tags
<xref:dict>(<xref:{str : str}>)
wartość domyślna: None

Opcjonalny słownik tagów wartości klucza do przypisania do modelu.

properties
<xref:dict>(<xref:{str : str}>)
wartość domyślna: None

Opcjonalny słownik właściwości wartości klucza do przypisania do modelu. Tych właściwości nie można zmienić po utworzeniu modelu, ale można dodać nowe pary klucz wartość.

description
<xref:str>
wartość domyślna: None

Opis tekstowy modelu.

datasets
list[(<xref:str>, AbstractDataset)]
wartość domyślna: None

Lista krotek, w których pierwszy element opisuje relację między modelem zestawu danych, a drugi element jest zestawem danych.

model_framework
<xref:str>
wartość domyślna: None

Struktura zarejestrowanego modelu. Użycie stałych obsługiwanych przez system z Framework klasy umożliwia uproszczone wdrażanie niektórych popularnych platform.

model_framework_version
<xref:str>
wartość domyślna: None

Wersja struktury zarejestrowanego modelu.

child_paths
list[<xref:str>]
wartość domyślna: None

Jeśli podane w połączeniu z model_path do folderu, tylko określone pliki będą powiązane z obiektem modelu.

sample_input_dataset
AbstractDataset
wartość domyślna: None

Przykładowy zestaw danych wejściowych dla zarejestrowanego modelu.

sample_output_dataset
AbstractDataset
wartość domyślna: None

Przykładowy wyjściowy zestaw danych dla zarejestrowanego modelu.

resource_configuration
ResourceConfiguration
wartość domyślna: None

Konfiguracja zasobu do uruchomienia zarejestrowanego modelu.

Zwraca

Obiekt zarejestrowanego modelu.

Typ zwracany

Uwagi

Oprócz zawartości samego pliku modelu zarejestrowany model również przechowuje metadane modelu, w tym opis modelu, Tagi i informacje o strukturze, które są przydatne podczas zarządzania i wdrażania modelu w obszarze roboczym. Na przykład za pomocą tagów można klasyfikować modele i stosować filtry podczas wyświetlania listy modeli w obszarze roboczym.

Poniższy przykład pokazuje, jak zarejestrować model, określając Tagi i opis.


   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)

Pełny przykład jest dostępny z https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Jeśli masz model, który został wyprodukowany w wyniku uruchomienia eksperymentu, możesz zarejestrować go z poziomu obiektu Run bezpośrednio bez pobierania go do pliku lokalnego. W tym celu należy użyć register_model metody zgodnie z opisem w Run klasie.

remove_tags

Usuń określone klucze ze słownika tagów tego modelu.

remove_tags(tags)

Parametry

tags
list[<xref:str>]

Lista kluczy do usunięcia

serialize

Przekonwertuj ten model na serializowany słownik JSON.

serialize()

Zwraca

Reprezentacja w formacie JSON tego modelu

Typ zwracany

<xref:dict>

update

Wykonaj aktualizację w miejscu modelu.

Istniejące wartości określonych parametrów są zastępowane.

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

Parametry

tags
<xref:dict>(<xref:{str : str}>)
wartość domyślna: None

Słownik tagów służących do aktualizowania modelu za pomocą. Te Tagi zastępują istniejące znaczniki dla modelu.

description
<xref:str>
wartość domyślna: None

Nowy opis do użycia w modelu. Ta nazwa zastępuje istniejącą nazwę.

sample_input_dataset
AbstractDataset
wartość domyślna: None

Przykładowy zestaw danych wejściowych do użycia dla zarejestrowanego modelu. Ten przykładowy wejściowy zestaw danych zastępuje istniejący zestaw danych.

sample_output_dataset
AbstractDataset
wartość domyślna: None

Przykładowy wyjściowy zestaw danych, który ma być używany dla zarejestrowanego modelu. Ten przykładowy wyjściowy zestaw danych zastępuje istniejący zestaw danych.

resource_configuration
ResourceConfiguration
wartość domyślna: None

Konfiguracja zasobu, która ma być używana do uruchamiania zarejestrowanego modelu.

Wyjątki

update_tags_properties

Wykonaj aktualizację tagów i właściwości modelu.

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

Parametry

add_tags
<xref:dict>(<xref:{str : str}>)
wartość domyślna: None

Słownik tagów do dodania.

remove_tags
list[<xref:str>]
wartość domyślna: None

Lista nazw tagów do usunięcia.

add_properties
<xref:dict>(<xref:{str : str}>)
wartość domyślna: None

Słownik właściwości do dodania.

Wyjątki