Model Klasa

Reprezentuje wynik trenowania uczenia maszynowego.

Model jest wynikiem trenowania Run usługi Azure Machine Learning lub innego procesu trenowania modelu poza platformą Azure. Niezależnie od sposobu tworzenia modelu, można go zarejestrować w obszarze roboczym, gdzie jest reprezentowany przez nazwę i wersję. Klasa Model umożliwia pakowanie modeli do użycia z platformą Docker i wdrażanie ich jako punktu końcowego w czasie rzeczywistym, który może służyć do wnioskowania żądań.

Aby zapoznać się z kompleksowego samouczka przedstawiającego sposób tworzenia, zarządzania i używania modeli, zobacz Trenowanie modelu klasyfikacji obrazów przy użyciu danych MNIST i biblioteki scikit-learn przy użyciu usługi Azure Machine Learning.

Konstruktor modelu.

Konstruktor modelu służy do pobierania reprezentacji chmury obiektu Model skojarzonego z podanym obszarem roboczym. Musi podać nazwę lub identyfikator.

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
Wymagane

Obiekt obszaru roboczego zawierający model do pobrania.

name
str
wartość domyślna: None

Nazwa modelu do pobrania. Zwracany jest najnowszy model o określonej nazwie, jeśli istnieje.

id
str
wartość domyślna: None

Identyfikator modelu do pobrania. Model z określonym identyfikatorem jest zwracany, jeśli istnieje.

tags
list
wartość domyślna: None

Opcjonalna lista tagów używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

properties
list
wartość domyślna: None

Opcjonalna lista właściwości używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

version
int
wartość domyślna: None

Wersja modelu do zwrócenia. Po podaniu wraz z parametrem name zwracana jest określona wersja określonego nazwanego modelu, jeśli istnieje. Jeśli version zostanie pominięty, zostanie zwrócona ostatnia wersja modelu.

run_id
str
wartość domyślna: None

Opcjonalny identyfikator używany do filtrowania zwróconych wyników.

model_framework
str
wartość domyślna: None

Opcjonalna nazwa struktury używana do filtrowania zwróconych wyników. Jeśli zostanie określony, wyniki są zwracane dla modeli pasujących do określonej platformy. Zobacz Framework , aby uzyskać dozwolone wartości.

workspace
Workspace
Wymagane

Obiekt obszaru roboczego zawierający model do pobrania.

name
str
Wymagane

Nazwa modelu do pobrania. Zwracany jest najnowszy model o określonej nazwie, jeśli istnieje.

id
str
Wymagane

Identyfikator modelu do pobrania. Model z określonym identyfikatorem jest zwracany, jeśli istnieje.

tags
list
Wymagane

Opcjonalna lista tagów używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

properties
list
Wymagane

Opcjonalna lista właściwości używanych do filtrowania zwróconych wyników. Wyniki są filtrowane na podstawie podanej listy, wyszukując frazę "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

version
int
Wymagane

Wersja modelu do zwrócenia. Po podaniu wraz z parametrem name zwracana jest określona wersja określonego nazwanego modelu, jeśli istnieje. Jeśli version zostanie pominięty, zostanie zwrócona ostatnia wersja modelu.

run_id
str
Wymagane

Opcjonalny identyfikator używany do filtrowania zwróconych wyników.

model_framework
str
Wymagane

Opcjonalna nazwa struktury używana do filtrowania zwróconych wyników. Jeśli zostanie określony, wyniki są zwracane dla modeli pasujących do określonej platformy. Zobacz Framework , aby uzyskać dozwolone wartości.

expand
bool
wartość domyślna: True

Jeśli wartość true, zwraca modele ze wszystkimi podwłaściwościami wypełnionymi, np. przebiegiem, zestawem danych i eksperymentem.

Uwagi

Konstruktor modelu służy do pobierania reprezentacji chmury obiektu Model skojarzonego z określonym obszarem roboczym. Aby pobrać modele, należy podać co najmniej nazwę lub identyfikator, ale istnieją również inne opcje filtrowania, w tym według tagów, właściwości, wersji, identyfikatora uruchomienia i struktury.


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

W poniższym przykładzie pokazano, 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 tworzącego model. Oprócz zawartości samego pliku modelu zarejestrowany model przechowuje również metadane modelu, w tym opis modelu, tagi i informacje o strukturze, które są przydatne podczas zarządzania i wdrażania modelu w obszarze roboczym. Na przykład przy użyciu tagów można kategoryzować modele i stosować filtry podczas wyświetlania listy modeli w obszarze roboczym. Po rejestracji możesz pobrać lub wdrożyć zarejestrowany model i otrzymać wszystkie zarejestrowane pliki i metadane.

W poniższym przykładzie pokazano, jak zarejestrować model określający 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)

Pełna próbka jest dostępna z witryny https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

W poniższym przykładzie pokazano, jak zarejestrować model określający platformę, zestawy danych wejściowych i wyjściowych oraz konfigurację 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)

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

Zmienne

created_by
dict

Użytkownik, który utworzył model.

created_time
datetime

Po utworzeniu modelu.

azureml.core.Model.description

Opis obiektu Model.

azureml.core.Model.id

Identyfikator modelu. Ma to postać <nazwy> modelu:<wersja> modelu.

mime_type
str

Typ mime modelu.

azureml.core.Model.name

Nazwa modelu.

model_framework
str

Struktura modelu.

model_framework_version
str

Wersja struktury modelu.

azureml.core.Model.tags

Słownik tagów dla obiektu Model.

azureml.core.Model.properties

Słownik właściwości wartości klucza dla modelu. Nie można zmienić tych właściwości po rejestracji, jednak można dodać nowe pary wartości klucza.

unpack
bool

Niezależnie od tego, czy model musi być rozpakowany (nieskonsekrowany) po ściągnięciu do kontekstu lokalnego.

url
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 przebiegu, który utworzył model.

parent_id
str

Identyfikator nadrzędnego modelu.

derived_model_ids
list[str]

Lista identyfikatorów modeli, które zostały uzyskane z tego modelu.

resource_configuration
ResourceConfiguration

Konfiguracja zasobu dla tego modelu. Służy 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 obszaru roboczego.

deploy

Wdróż usługę internetową na podstawie zera lub większej liczby Model obiektów.

Wynikowa usługa internetowa to punkt końcowy w czasie rzeczywistym, który może służyć do wnioskowania żądań. Funkcja Model deploy jest podobna do deploy funkcji Webservice klasy, ale nie rejestruje modeli. Użyj funkcji Model deploy , jeśli masz już zarejestrowane obiekty modelu.

deserialize

Konwertowanie obiektu JSON na obiekt modelu.

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

download

Pobierz model do katalogu docelowego lokalnego systemu plików.

get_model_path

Zwróć ścieżkę do modelu.

Funkcja wyszuka model w następujących lokalizacjach.

Jeśli version to Brak:

  1. Pobieranie ze zdalnego do pamięci podręcznej (jeśli jest dostępny obszar roboczy)
  2. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Jeśli version nie ma parametru None:

  1. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Pobieranie ze zdalnego do pamięci podręcznej (jeśli jest dostępny obszar roboczy)
get_sas_urls

Zwróć słownik par klucz-wartość zawierający nazwy plików i odpowiednie adresy URL sygnatury dostępu współdzielonego.

list

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

package

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

print_configuration

Drukuj konfigurację użytkownika.

profile

Profiluje model, aby uzyskać zalecenia dotyczące wymagań dotyczących zasobów.

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

register

Zarejestruj model w podanym obszarze roboczym.

remove_tags

Usuń określone klucze ze słownika tagów tego modelu.

serialize

Przekonwertuj ten model na słownik serializowany w formacie 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[tuple(<xref:str :> (Dataset lub DatasetSnapshot))]
Wymagane

Lista krotki reprezentująca parowanie celu zestawu danych do obiektu Dataset.

Wyjątki

add_properties

Dodaj pary klucz-wartość do słownika właściwości tego modelu.

add_properties(properties)

Parametry

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

Słownik właściwości do dodania.

Wyjątki

add_tags

Dodaj pary klucz-wartość do słownika tagów tego modelu.

add_tags(tags)

Parametry

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

Słownik tagów do dodania.

Wyjątki

delete

Usuń ten model ze skojarzonego obszaru roboczego.

delete()

Wyjątki

deploy

Wdróż usługę internetową na podstawie zera lub większej liczby Model obiektów.

Wynikowa usługa internetowa to punkt końcowy w czasie rzeczywistym, który może służyć do wnioskowania żądań. Funkcja Model deploy jest podobna do deploy funkcji Webservice klasy, ale nie rejestruje modeli. Użyj funkcji Model deploy , jeśli masz już zarejestrowane obiekty modelu.

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

Parametry

workspace
Workspace
Wymagane

Obiekt Obszaru roboczego do skojarzenia usługi sieci Web z.

name
str
Wymagane

Nazwa, która ma nadać wdrożonej usłudze. Musi być unikatowy dla obszaru roboczego, składać się tylko z małych liter, cyfr lub kresek, zaczynać się literą i mieć długość od 3 do 32 znaków.

models
list[Model]
Wymagane

Lista obiektów modelu. Może być pustą listą.

inference_config
InferenceConfig
wartość domyślna: None

Obiekt InferenceConfig używany do określania wymaganych właściwości modelu.

deployment_config
WebserviceDeploymentConfiguration
wartość domyślna: None

WebserviceDeploymentConfiguration używana do konfigurowania usługi internetowej. Jeśli go nie podano, pusty obiekt konfiguracji zostanie użyty na podstawie żądanego obiektu docelowego.

deployment_target
ComputeTarget
wartość domyślna: None

A ComputeTarget , aby wdrożyć usługę internetową. Ponieważ Azure Container Instances nie ma skojarzonego ComputeTargetparametru , pozostaw ten parametr jako Brak, aby wdrożyć go w Azure Container Instances.

overwrite
bool
wartość domyślna: False

Wskazuje, czy zastąpić istniejącą usługę, jeśli usługa o określonej nazwie już istnieje.

show_output
bool
wartość domyślna: False

Wskazuje, czy ma być wyświetlany postęp wdrażania usługi.

Zwraca

Obiekt usługi sieci Web odpowiadający wdrożonej usłudze internetowej.

Typ zwracany

Wyjątki

deserialize

Konwertowanie obiektu JSON na obiekt modelu.

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

static deserialize(workspace, model_payload)

Parametry

workspace
Workspace
Wymagane

Obiekt obszaru roboczego, za pomocą który model jest zarejestrowany.

model_payload
dict
Wymagane

Obiekt JSON, który ma być konwertowany na obiekt modelu.

Zwraca

Reprezentacja modelu dostarczonego obiektu JSON.

Typ zwracany

Wyjątki

download

Pobierz model do katalogu docelowego lokalnego systemu plików.

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

Parametry

target_dir
str
wartość domyślna: .

Ścieżka do katalogu, w którym ma być pobierany model. Wartość domyślna to "."

exist_ok
bool
wartość domyślna: False

Wskazuje, czy zastąpić pobrany dir/pliki, jeśli istnieją. Wartość domyślna to False.

exists_ok
bool
wartość domyślna: None

PRZESTARZAŁE. Użyj polecenia exist_ok.

Zwraca

Ścieżka do pliku lub folderu modelu.

Typ zwracany

str

Wyjątki

get_model_path

Zwróć ścieżkę do modelu.

Funkcja wyszuka model w następujących lokalizacjach.

Jeśli version to Brak:

  1. Pobieranie ze zdalnego do pamięci podręcznej (jeśli jest dostępny obszar roboczy)
  2. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Jeśli version nie ma parametru None:

  1. Ładowanie z pamięci podręcznej azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Pobieranie ze zdalnego do pamięci podręcznej (jeśli jest dostępny obszar roboczy)
static get_model_path(model_name, version=None, _workspace=None)

Parametry

model_name
str
Wymagane

Nazwa modelu do pobrania.

version
int
wartość domyślna: None

Wersja modelu do pobrania. Domyślnie jest to najnowsza wersja.

_workspace
Workspace
wartość domyślna: None

Obszar roboczy do pobrania modelu z. Nie można używać zdalnie. Jeśli nie określono tylko lokalnej pamięci podręcznej, zostanie przeszukana.

Zwraca

Ścieżka na dysku do modelu.

Typ zwracany

str

Wyjątki

get_sas_urls

Zwróć słownik par klucz-wartość zawierający nazwy plików i odpowiednie adresy URL sygnatury dostępu współdzielonego.

get_sas_urls()

Zwraca

Słownik par klucz-wartość zawierający nazwy plików i odpowiednie adresy URL sygnatury dostępu współdzielonego

Typ zwracany

Wyjątki

list

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

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)

Parametry

workspace
Workspace
Wymagane

Obiekt obszaru roboczego do pobierania modeli.

name
str
wartość domyślna: None

Jeśli zostanie podana, zwróci tylko modele o określonej nazwie, jeśli istnieje.

tags
list
wartość domyślna: None

Filtruje na podstawie podanej listy według wartości "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

properties
list
wartość domyślna: None

Filtruje na podstawie podanej listy według wartości "key" lub "[key, value]". Np. ['key', ['key2', 'key2 value']]

run_id
str
wartość domyślna: None

Filtruje na podstawie podanego identyfikatora przebiegu.

latest
bool
wartość domyślna: False

Jeśli ma wartość true, zwraca tylko modele z najnowszą wersją.

dataset_id
str
wartość domyślna: None

Filtruje na podstawie podanego identyfikatora zestawu danych.

expand
bool
wartość domyślna: True

Jeśli ma wartość true, zwróci modele ze wszystkimi podwłaściwościami wypełnionymi, np. przebiegiem, zestawem danych i eksperymentem. Ustawienie wartości false powinno przyspieszyć uzupełnianie metody list() w przypadku wielu modeli.

page_count
int
wartość domyślna: 255

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

model_framework
str
wartość domyślna: None

Jeśli zostanie podana, zwróci tylko modele z określoną strukturą, jeśli istnieje.

Zwraca

Lista modeli, opcjonalnie filtrowana.

Typ zwracany

Wyjątki

package

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

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

Parametry

workspace
Workspace
Wymagane

Obszar roboczy, w którym ma zostać utworzony pakiet.

models
list[Model]
Wymagane

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

inference_config
InferenceConfig
wartość domyślna: None

Obiekt InferenceConfig, aby skonfigurować operację modeli. Musi to obejmować obiekt Środowisko.

generate_dockerfile
bool
wartość domyślna: False

Czy utworzyć plik Dockerfile, który można uruchomić lokalnie, zamiast tworzyć obraz.

image_name
str
wartość domyślna: None

Podczas tworzenia obrazu nazwa wynikowego obrazu.

image_label
str
wartość domyślna: None

Podczas tworzenia obrazu etykieta obrazu wynikowego.

Zwraca

Obiekt ModelPackage.

Typ zwracany

Wyjątki

print_configuration

Drukuj konfigurację użytkownika.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parametry

models
list[Model]
Wymagane

Lista obiektów modelu. Może być pustą listą.

inference_config
InferenceConfig
Wymagane

Obiekt InferenceConfig używany do określania wymaganych właściwości modelu.

deployment_config
WebserviceDeploymentConfiguration
Wymagane

WebserviceDeploymentConfiguration używana do konfigurowania usługi internetowej.

deployment_target
ComputeTarget
Wymagane

Element A ComputeTarget do wdrożenia usługi sieci Web.

Wyjątki

profile

Profiluje model, aby uzyskać zalecenia dotyczące wymagań dotyczących zasobów.

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

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

Parametry

workspace
Workspace
Wymagane

Obiekt obszaru roboczego, w którym ma być profilowy model.

profile_name
str
Wymagane

Nazwa przebiegu profilowania.

models
list[Model]
Wymagane

Lista obiektów modelu. Może być pustą listą.

inference_config
InferenceConfig
Wymagane

Obiekt InferenceConfig używany do określania wymaganych właściwości modelu.

input_dataset
Dataset
Wymagane

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

cpu
float
wartość domyślna: None

Liczba rdzeni procesora cpu do użycia w największym wystąpieniu testowym. Obecnie obsługują wartości do 3,5.

memory_in_gb
float
wartość domyślna: None

Ilość pamięci (w GB) do użycia w największym wystąpieniu testowym. Może to być liczba dziesiętna. Obecnie obsługują wartości do 15.0.

description
str
wartość domyślna: None

Opis, który ma być skojarzony z przebiegiem profilowania.

Typ zwracany

Wyjątki

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

register

Zarejestruj model w podanym obszarze roboczym.

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)

Parametry

workspace
Workspace
Wymagane

Obszar roboczy do zarejestrowania modelu za pomocą polecenia .

model_path
str
Wymagane

Ścieżka w lokalnym systemie plików, w którym znajdują się zasoby modelu. Może to być bezpośredni wskaźnik do pojedynczego pliku lub folderu. Jeśli wskazuje folder, child_paths parametr może służyć do określania pojedynczych plików do łączenia jako obiektu Model, w przeciwieństwie do używania całej zawartości folderu.

model_name
str
Wymagane

Nazwa rejestrowania modelu za pomocą polecenia .

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

Opcjonalny słownik tagów wartości klucza do przypisania do modelu.

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

Opcjonalny słownik właściwości wartości klucza do przypisania do modelu. Nie można zmienić tych właściwości po utworzeniu modelu, jednak można dodać nowe pary wartości klucza.

description
str
wartość domyślna: None

Opis tekstu modelu.

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

Lista krotki, w których pierwszy element opisuje relację modelu zestawu danych, a drugi element to zestaw danych.

model_framework
str
wartość domyślna: None

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

model_framework_version
str
wartość domyślna: None

Wersja platformy zarejestrowanego modelu.

child_paths
list[str]
wartość domyślna: None

Jeśli zostanie podany w połączeniu z folderem do model_path folderu, tylko określone pliki zostaną dołączone do obiektu Model.

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 uruchamiania zarejestrowanego modelu.

Zwraca

Zarejestrowany obiekt modelu.

Typ zwracany

Wyjątki

Uwagi

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

W poniższym przykładzie pokazano, jak zarejestrować model określający 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)

Pełna próbka jest dostępna z witryny 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 utworzony w wyniku przebiegu eksperymentu, możesz zarejestrować go bezpośrednio z obiektu uruchom bez wcześniejszego pobrania go do pliku lokalnego. Aby to zrobić, należy użyć register_model metody opisanej Run w klasie.

remove_tags

Usuń określone klucze ze słownika tagów tego modelu.

remove_tags(tags)

Parametry

tags
list[str]
Wymagane

Lista kluczy do usunięcia

Wyjątki

serialize

Przekonwertuj ten model na słownik serializowany w formacie json.

serialize()

Zwraca

Reprezentacja json tego modelu

Typ zwracany

Wyjątki

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

Słownik tagów do aktualizowania modelu za pomocą. Te tagi zastępują istniejące tagi dla modelu.

description
str
wartość domyślna: None

Nowy opis do użycia dla 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 do użycia dla zarejestrowanego modelu. Ten przykładowy wyjściowy zestaw danych zastępuje istniejący zestaw danych.

resource_configuration
ResourceConfiguration
wartość domyślna: None

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

Słownik tagów do dodania.

remove_tags
list[str]
wartość domyślna: None

Lista nazw tagów do usunięcia.

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

Słownik właściwości do dodania.

Wyjątki