az ml model
Nota
Essa referência faz parte da extensão azure-cli-ml para a CLI do Azure (versão 2.0.28 ou superior). A extensão será instalada automaticamente na primeira vez que você executar um comando az ml model . Saiba mais sobre extensões.
Gerencie modelos de aprendizado de máquina.
Comandos
| Name | Description | Tipo | Estado |
|---|---|---|---|
| az ml model delete |
Exclua um modelo do espaço de trabalho. |
Extensão | GA |
| az ml model deploy |
Implante o(s) modelo(s) a partir do espaço de trabalho. |
Extensão | GA |
| az ml model download |
Transfira um modelo a partir da área de trabalho. |
Extensão | GA |
| az ml model list |
Listar modelos no espaço de trabalho. |
Extensão | GA |
| az ml model package |
Empacote um modelo no espaço de trabalho. |
Extensão | GA |
| az ml model profile |
Modelo(s) de perfil no espaço de trabalho. |
Extensão | GA |
| az ml model register |
Registre um modelo no espaço de trabalho. |
Extensão | GA |
| az ml model show |
Mostrar um modelo no espaço de trabalho. |
Extensão | GA |
| az ml model update |
Atualize um modelo no espaço de trabalho. |
Extensão | GA |
az ml model delete
Exclua um modelo do espaço de trabalho.
az ml model delete --model-id
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Parâmetros Obrigatórios
ID do modelo a ser excluído.
Parâmetros Opcionais
Caminho para uma pasta de projeto. Padrão: diretório atual.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Especifica a ID da assinatura.
Nome do espaço de trabalho.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model deploy
Implante o(s) modelo(s) a partir do espaço de trabalho.
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]Parâmetros Obrigatórios
O nome do serviço implantado.
Parâmetros Opcionais
Ativar ou não a autenticação de chave para este WebService. O padrão é False.
Habilitar ou não o AppInsights para este WebService. O padrão é False.
Com que frequência o autoscaler deve tentar dimensionar este WebService. O padrão é 1.
Ativar ou não o dimensionamento automático para este WebService. O padrão é True se num_replicas for Nenhum.
A utilização alvo (em percentagem de 100) que o autoscaler deve tentar manter para este WebService. O padrão é 70.
O número máximo de contêineres a serem usados ao dimensionar automaticamente este WebService. O padrão é 10.
O número mínimo de contêineres a serem usados ao dimensionar automaticamente este WebService. O padrão é 1.
Uma imagem personalizada para ser usada como imagem base. Se nenhuma imagem base for fornecida, a imagem base será usada com base em determinado parâmetro de tempo de execução.
Registro de imagem que contém a imagem base.
O número de núcleos de cpu a alocar para este WebService. Pode ser decimal. O padrão é 0.1.
O número máximo de núcleos de CPU que este Webservice tem permissão para usar. Pode ser decimal.
Caminho para o arquivo local que contém uma definição de ambiente conda a ser usada para a imagem.
Se deve ou não habilitar a coleta de dados de modelo para este WebService. O padrão é False.
Nome do destino de computação. Aplicável apenas quando implantado no AKS.
Tipo de serviço de computação a ser implantado.
Versão do CUDA para instalar para imagens que precisam de suporte de GPU. A imagem da GPU deve ser usada nos Serviços do Microsoft Azure, como Instâncias de Contêiner do Azure, Computação do Azure Machine Learning, Máquinas Virtuais do Azure e Serviço Kubernetes do Azure. As versões suportadas são 9.0, 9.1 e 10.0. Se 'enable_gpu' estiver definido, o padrão será '9.1'.
Caminho para um arquivo JSON ou YAML contendo metadados de implantação.
Descrição do serviço implantado.
O nome dns para este WebService.
Caminho para o arquivo local contendo etapas adicionais do Docker a serem executadas ao configurar a imagem.
Diretório para o Ambiente de Aprendizado de Máquina do Azure para implantação. É o mesmo caminho de diretório fornecido no comando 'az ml environment scaffold'.
Se deve ou não ativar o suporte à GPU na imagem. A imagem da GPU deve ser usada nos Serviços do Microsoft Azure, como Instâncias de Contêiner do Azure, Computação do Azure Machine Learning, Máquinas Virtuais do Azure e Serviço Kubernetes do Azure. O padrão é False.
Caminho para o arquivo local que contém o código a ser executado para o serviço (caminho relativo de source_directory se for fornecido).
Nome do Ambiente do Azure Machine Learning para implantação.
Versão de um Ambiente de Aprendizado de Máquina do Azure existente para implantação.
Quando um Pod é iniciado e a sonda de vivacidade falha, o Kubernetes tentará --failure-threshold times antes de desistir. O padrão é 3. O valor mínimo é 1.
A quantidade de memória (em GB) a alocar para este WebService. Pode ser decimal.
A quantidade máxima de memória (em GB) que este Webservice tem permissão para usar. Pode ser decimal.
O número de núcleos de gpu a alocar para este WebService. A predefinição é 1.
Caminho para um arquivo JSON ou YAML contendo configuração de inferência.
Número de segundos após o início do recipiente antes que as sondas de vivacidade sejam iniciadas. O padrão é 310.
Nome da chave para propriedades de criptografia em chaves gerenciadas pelo cliente (CMK) para ACI.
Versão da chave para propriedades de criptografia em chaves gerenciadas pelo cliente (CMK) para ACI.
Uma chave de autenticação primária a ser usada para este WebService.
Uma chave de autenticação secundária a ser usada para este WebService.
A região do Azure na qual implantar este WebService. Se não for especificado, o local do espaço de trabalho será usado. Mais detalhes sobre as regiões disponíveis podem ser encontrados aqui: https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all& products=instâncias de contêiner.
A quantidade máxima de tempo que uma solicitação permanecerá na fila (em milissegundos) antes de retornar um erro 503. O padrão é 500.
A ID do modelo a ser implantado. Vários modelos podem ser especificados com argumentos -m adicionais. Os modelos precisam ser registrados primeiro.
Caminho para um arquivo JSON contendo metadados de registro de modelo. Vários modelos podem ser fornecidos usando vários parâmetros -f.
Namespace Kubernetes no qual implantar o serviço: até 63 caracteres alfanuméricos minúsculos ('a'-'z', '0'-'9') e hífen ('-'). O primeiro e o último caracteres não podem ser hífenes. Aplicável apenas quando implantado no AKS.
Sinalizar para não esperar por chamadas assíncronas.
O número de contêineres a serem alocados para este WebService. Não há padrão, se esse parâmetro não estiver definido, o autoscaler será habilitado por padrão.
Substitua o serviço existente se o nome entrar em conflito.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Com que frequência (em segundos) realizar a sonda de vivacidade. O padrão é de 10 segundos. O valor mínimo é 1.
Caminho para um arquivo JSON contendo resultados de criação de perfil.
A porta local na qual expor o ponto de extremidade HTTP do serviço.
Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --property.
O número máximo de solicitações simultâneas por nó para permitir este WebService. O padrão é 1.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Qual tempo de execução usar para imagem. Os tempos de execução atuais suportados são 'spark-py' e 'python'spark-py|python|python-slim.
O cname para se o SSL estiver habilitado.
Um tempo limite a ser imposto para marcar chamadas para este WebService. O padrão é 60000.
Caminho para pastas que contêm todos os arquivos para criar a imagem.
Ativar ou não o SSL para este WebService. O padrão é False.
O arquivo de chave necessário se o SSL estiver habilitado.
O arquivo cert necessário se o SSL estiver habilitado.
Sucessos consecutivos mínimos para que a sonda de vivacidade seja considerada bem-sucedida depois de ter falhado. O padrão é 1. O valor mínimo é 1.
Nome da sub-rede dentro da vnet.
Especifica a ID da assinatura.
Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --tag.
Número de segundos após os quais a sonda de vivacidade expira. O padrão é de 2 segundos. O valor mínimo é 1.
Habilitar ou não a autenticação de token para este WebService. Ignorado se não estiver implantando no AKS. O padrão é False.
A quantidade de tráfego que a versão recebe em um ponto de extremidade. Pode ser decimal. O padrão é 0.
URL base do Vault para propriedades de criptografia em chaves gerenciadas pelo cliente (CMK) para ACI.
O nome da versão em um ponto de extremidade. O padrão é o nome do ponto de extremidade para a primeira versão.
Nome da rede virtual.
Nome do espaço de trabalho.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model download
Transfira um modelo a partir da área de trabalho.
az ml model download --model-id
--target-dir
[--overwrite]
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Parâmetros Obrigatórios
ID do modelo.
Diretório de destino para o qual baixar o arquivo de modelo.
Parâmetros Opcionais
Substitua se o mesmo arquivo de nome existir no diretório de destino.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Especifica a ID da assinatura.
Nome do espaço de trabalho que contém o modelo a ser exibido.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model list
Listar modelos no espaço de trabalho.
az ml model list [--dataset-id]
[--latest]
[--model-name]
[--path]
[--property]
[--resource-group]
[--run-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]Parâmetros Opcionais
Se fornecido, mostrará apenas modelos com o ID do conjunto de dados especificado.
Se fornecido, só retornará modelos com a versão mais recente.
Um nome de modelo opcional para filtrar a lista.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --property.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Se fornecido, mostrará apenas modelos com o ID de execução especificado.
Especifica a ID da assinatura.
Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --tag.
Nome do espaço de trabalho que contém modelos a serem listados.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model package
Empacote um modelo no espaço de trabalho.
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]Parâmetros Opcionais
Caminho para o arquivo local que contém uma definição de ambiente conda a ser usada para o pacote.
Diretório do Ambiente de Aprendizado de Máquina do Azure para empacotamento. É o mesmo caminho de diretório fornecido no comando 'az ml environment scaffold'.
Caminho para o arquivo local que contém o código a ser executado para o serviço (caminho relativo de source_directory se for fornecido).
Nome do Ambiente do Azure Machine Learning para empacotamento.
Versão de um Ambiente de Aprendizado de Máquina do Azure existente para empacotamento.
Caminho para um arquivo JSON ou YAML contendo configuração de inferência.
Rótulo para dar a imagem da embalagem construída.
Nome para fornecer a imagem do pacote compilado.
A ID do modelo a ser empacotado. Vários modelos podem ser especificados com argumentos -m adicionais. Os modelos precisam ser registrados primeiro.
Caminho para um arquivo JSON contendo metadados de registro de modelo. Vários modelos podem ser fornecidos usando vários parâmetros -f.
Sinalizar para não esperar por chamadas assíncronas.
Caminho de saída para o contexto do docker. Se um caminho de saída for passado, em vez de criar uma imagem no ACR do espaço de trabalho, um dockerfile e o contexto de compilação necessário serão gravados nesse caminho.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Qual tempo de execução usar para o pacote. Os tempos de execução atuais suportados são 'spark-py' e 'python'spark-py|python|python-slim.
Caminho para pastas que contêm todos os arquivos para criar a imagem.
Especifica a ID da assinatura.
Nome do espaço de trabalho.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model profile
Modelo(s) de perfil no espaço de trabalho.
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]Parâmetros Obrigatórios
O nome do perfil do modelo.
Parâmetros Opcionais
Uma imagem personalizada para ser usada como imagem base. Se nenhuma imagem base for fornecida, a imagem base será usada com base em determinado parâmetro de tempo de execução.
Registro de imagem que contém a imagem base.
Valor duplo para CPU máxima a ser usada durante a criação de perfil.
Caminho para o arquivo local que contém uma definição de ambiente conda a ser usada para a imagem.
Descrição do perfil do modelo.
Diretório para o Ambiente de Aprendizado de Máquina do Azure para implantação. É o mesmo caminho de diretório fornecido no comando 'az ml environment scaffold'.
Caminho para o arquivo local que contém o código a ser executado para o serviço (caminho relativo de source_directory se for fornecido).
Nome do Ambiente do Azure Machine Learning para implantação.
Versão de um Ambiente de Aprendizado de Máquina do Azure existente para implantação.
Valor duplo para memória máxima a ser usada durante a criação de perfil.
Caminho para um arquivo JSON ou YAML contendo configuração de inferência.
ID do conjunto de dados tabulares a ser usado como entrada para o perfil.
A ID do modelo a ser implantado. Vários modelos podem ser especificados com argumentos -m adicionais. Os modelos precisam ser registrados primeiro.
Caminho para um arquivo JSON contendo metadados de registro de modelo. Vários modelos podem ser fornecidos usando vários parâmetros -f.
Caminho para um arquivo JSON onde os metadados dos resultados do perfil serão gravados. Usado como entrada para a implantação do modelo.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Caminho para pastas que contêm todos os arquivos para criar a imagem.
Especifica a ID da assinatura.
Nome do espaço de trabalho.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model register
Registre um modelo no espaço de trabalho.
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]Parâmetros Obrigatórios
Nome do modelo a registar.
Parâmetros Opcionais
O caminho da nuvem onde a experiência é executada armazena o arquivo de modelo.
O número padrão de núcleos de CPU a serem alocados para este modelo. Pode ser decimal.
Descrição do modelo.
O nome do experimento.
A quantidade padrão de memória (em GB) a ser alocada para este modelo. Pode ser decimal.
O número padrão de GPUs a serem alocadas para este modelo.
Enquadramento do modelo a registar. Frameworks atualmente suportados: TensorFlow, ScikitLearn, Onnx, Custom, Multi.
Versão Framework do modelo a registar (por exemplo, 1.0.0, 2.4.1).
Caminho completo do arquivo de modelo a ser registrado.
Caminho para um arquivo JSON onde os metadados de registro do modelo serão gravados. Usado como entrada para a implantação do modelo.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --property.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
A ID do experimento é executada de onde o modelo é registrado.
Caminho para um arquivo JSON contendo metadados de execução de experiência.
A ID do conjunto de dados de entrada de exemplo.
A ID do conjunto de dados de saída de exemplo.
Especifica a ID da assinatura.
Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --tag.
Nome do espaço de trabalho no qual registrar esse modelo.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model show
Mostrar um modelo no espaço de trabalho.
az ml model show [--model-id]
[--model-name]
[--path]
[--resource-group]
[--run-id]
[--subscription-id]
[--version]
[--workspace-name]
[-v]Parâmetros Opcionais
ID do modelo a mostrar.
Nome do modelo a mostrar.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
Se fornecido, mostrará apenas modelos com o ID de execução especificado.
Especifica a ID da assinatura.
Se fornecido, mostrará apenas modelos com o nome e a versão especificados.
Nome do espaço de trabalho que contém o modelo a ser exibido.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
az ml model update
Atualize um modelo no espaço de trabalho.
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]Parâmetros Obrigatórios
ID do modelo.
Parâmetros Opcionais
Propriedade chave/valor a ser adicionada (e.g. key=value). Várias propriedades podem ser especificadas com várias opções --add-property.
Tag chave/valor a ser adicionada (e.g. key=value). Várias tags podem ser especificadas com várias opções --add-tag.
O número padrão de núcleos de CPU a serem alocados para este modelo. Pode ser decimal.
Descrição para atualizar o modelo com. Substituirá a descrição atual.
A quantidade padrão de memória (em GB) a ser alocada para este modelo. Pode ser decimal.
O número padrão de GPUs a serem alocadas para este modelo.
Caminho para uma pasta de projeto. Padrão: diretório atual.
Chave da tag a ser removida. Várias tags podem ser especificadas com várias opções --remove-tag.
Grupo de recursos correspondente ao espaço de trabalho fornecido.
A ID do conjunto de dados de entrada de exemplo.
A ID do conjunto de dados de saída de exemplo.
Especifica a ID da assinatura.
Nome do espaço de trabalho.
Bandeira de verbosidade.
Parâmetros de Globais
Aumente a verbosidade do log para mostrar todos os logs de depuração.
Mostrar esta mensagem de ajuda e sair.
Mostrar apenas erros, suprimindo avisos.
Formato de saída.
Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.
o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .
Aumente a verbosidade do registro. Use --debug para logs de depuração completos.
Comentários
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja: https://aka.ms/ContentUserFeedback.
Submeter e ver comentários