az ml model

  • Referência

Observação

Essa referência faz parte da extensão ml para a CLI do Azure (versão 2.15.0 ou superior). A extensão será instalada automaticamente na primeira vez que você executar um comando az ml model . Saiba mais sobre extensões.

Gerenciar modelos de ML do Azure.

Os modelos de ML do Azure consistem no(s) arquivo(s) binário(s) que representam um modelo de aprendizado de máquina e quaisquer metadados correspondentes. Esses modelos podem ser usados em implantações de endpoint para inferência em tempo real e em lote.

Comandos

Nome Description Tipo Status
az ml model archive

Arquivar um modelo.

 Extensão GA
az ml model create

Crie um modelo.

 Extensão GA
az ml model download

Baixe todos os arquivos relacionados ao modelo.

 Extensão GA
az ml model list

Listar modelos em um espaço de trabalho/registro. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

 Extensão GA
az ml model package

Empacotar um modelo em um ambiente.

 Extensão Visualizar
az ml model restore

Restaurar um modelo arquivado.

 Extensão GA
az ml model share

Compartilhe um modelo específico do espaço de trabalho para o registro.

 Extensão GA
az ml model show

Mostrar detalhes de um modelo em um espaço de trabalho/registro. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

 Extensão GA
az ml model update

Atualizar um modelo em um espaço de trabalho/registro.

 Extensão GA

az ml model archive

Arquivar um modelo.

O arquivamento de um modelo irá ocultá-lo por padrão em consultas de lista (az ml model list). Você ainda pode continuar a referenciar e usar um modelo arquivado em seus fluxos de trabalho. Você pode arquivar um contêiner de modelo ou uma versão de modelo específica. O arquivamento de um contêiner de modelo arquivará todas as versões do modelo com esse nome específico. Você pode restaurar um modelo arquivado usando az ml model restoreo . Se todo o contêiner do modelo for arquivado, você não poderá restaurar versões individuais do modelo - será necessário restaurar o contêiner do modelo.

az ml model archive --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Exemplos

Arquivar um contêiner de modelo (arquiva todas as versões desse modelo)

az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspace

Arquivar uma versão de modelo específica

az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Exigidos

--name -n

Nome do modelo.

Parâmetros Opcionais

--label -l

Etiqueta do modelo.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--version -v

Versão do modelo.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model create

Crie um modelo.

Os modelos podem ser criados a partir de um arquivo local, diretório local, armazenamento de dados ou saídas de trabalho. O modelo criado será rastreado no espaço de trabalho/registro sob o nome e a versão especificados. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

az ml model create [--datastore]
                   [--description]
                   [--file]
                   [--name]
                   [--no-wait]
                   [--path]
                   [--registry-name]
                   [--resource-group]
                   [--set]
                   [--stage]
                   [--tags]
                   [--type]
                   [--version]
                   [--workspace-name]

Exemplos

Criar um modelo a partir de um arquivo de especificação YAML

az ml model create --file model.yml --resource-group my-resource-group --workspace-name my-workspace

Criar um modelo a partir de uma pasta local usando opções de comando

az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspace

Criar um modelo usando mlflow executar o formato URI 'runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/' e opções de comando

az ml model create --name my-model --version 1 --path runs:/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/model/ --type mlflow_model --resource-group my-resource-group --workspace-name my-workspace

Crie um modelo a partir de uma saída de trabalho nomeada usando o formato de URI de trabalho do azureml 'azureml://jobs/<job-name>/outputs/<named-output>/paths/<path-to-model-relative-to-the-named-output-location>' e opções de comando. A saída nomeada padrão é artefatos

az ml model create --name my-model --version 1 --path azureml://jobs/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/outputs/artifacts/paths/model/ --resource-group my-resource-group --workspace-name my-workspace

Criar um modelo a partir de um armazenamento de dados 'azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>' usando opções de comando

az ml model create --name my-model --version 1 --path azureml://datastores/myblobstore/paths/models/cifar10/cifar.pt --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Opcionais

--datastore

O armazenamento de dados para o qual carregar o artefato local.

--description

Descrição do modelo.

--file -f

Caminho local para o arquivo YAML que contém a especificação do modelo de ML do Azure. Os documentos de referência do YAML para o modelo podem ser encontrados em: https://aka.ms/ml-cli-v2-model-yaml-reference.

--name -n

Nome do modelo.

--no-wait

Não aguarde a conclusão da operação de execução longa.

valor padrão: False
--path -p

Caminho para o(s) arquivo(s) de modelo. Pode ser um local local ou remoto. Se especificado, --name/-n e --version/-v também devem ser fornecidos.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--set

Atualize um objeto especificando um caminho de propriedade e um valor a serem definidos. Exemplo: --set property1.property2=.

--stage -s

Estágio do modelo.

--tags

Pares chave-valor separados por espaço para as marcas do objeto.

--type -t

Tipo do modelo, os valores permitidos são custom_model, mlflow_model e triton_model. O tipo padrão é custom_model.

--version -v

Versão do modelo.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model download

Baixe todos os arquivos relacionados ao modelo.

Os arquivos serão baixados em uma pasta com o nome do modelo. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

az ml model download --name
                     --version
                     [--download-path]
                     [--registry-name]
                     [--resource-group]
                     [--workspace-name]

Exemplos

Baixar um modelo com o nome e a versão especificados

az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Baixar um modelo com o nome e a versão especificados em um caminho local especificado

az ml model download --name my-model --version 1  --download-path local_path --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Exigidos

--name -n

Nome do modelo.

--version -v

Versão do modelo.

Parâmetros Opcionais

--download-path -p

Caminho para baixar os arquivos de modelo, padrão para o diretório de trabalho atual.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model list

Listar modelos em um espaço de trabalho/registro. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

az ml model list [--archived-only]
                 [--include-archived]
                 [--max-results]
                 [--name]
                 [--registry-name]
                 [--resource-group]
                 [--stage]
                 [--workspace-name]

Exemplos

Listar todos os modelos em um espaço de trabalho

az ml model list --resource-group my-resource-group --workspace-name my-workspace

Listar todas as versões de modelo para o nome especificado em um espaço de trabalho

az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspace

Liste todos os modelos em um espaço de trabalho usando o argumento --query para executar uma consulta JMESPath nos resultados dos comandos.

az ml model list --query "[].{Name:name}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Opcionais

--archived-only

Listar apenas modelos arquivados.

valor padrão: False
--include-archived

Listar modelos arquivados e modelos ativos.

valor padrão: False
--max-results -r

Número máximo de resultados a serem retornados.

--name -n

Nome do modelo. Se fornecido, todas as versões do modelo com este nome serão retornadas.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--stage -s

Estágio do modelo.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model package

Versão Prévia

Este comando está em pré-visualização e em desenvolvimento. Níveis de referência e suporte: https://aka.ms/CLI_refstatus

Empacotar um modelo em um ambiente.

Quando um modelo é empacotado, um ambiente com todas as dependências é criado.

az ml model package --file
                    --name
                    --version
                    [--registry-name]
                    [--resource-group]
                    [--workspace-name]

Exemplos

Empacotar um modelo com o nome e a versão especificados

az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.yml

Parâmetros Exigidos

--file -f

Caminho local para o arquivo YAML que contém a definição do pacote modelo.

--name -n

Nome do modelo.

--version -v

Versão do modelo.

Parâmetros Opcionais

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model restore

Restaurar um modelo arquivado.

Quando um modelo arquivado é restaurado, ele não será mais oculto das consultas de lista (az ml model list). Se um contêiner de modelo inteiro for arquivado, você poderá restaurá-lo. Isso restaurará todas as versões do modelo com esse nome específico. Não é possível restaurar apenas uma versão específica do modelo se todo o contêiner do modelo for arquivado - você precisará restaurar o contêiner inteiro. Se apenas uma versão de modelo individual foi arquivada, você pode restaurar essa versão específica.

az ml model restore --name
                    [--label]
                    [--registry-name]
                    [--resource-group]
                    [--version]
                    [--workspace-name]

Exemplos

Restaurar um contêiner de modelo arquivado (restaura todas as versões desse modelo)

az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspace

Restaurar uma versão específica do modelo arquivado

az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Exigidos

--name -n

Nome do modelo.

Parâmetros Opcionais

--label -l

Etiqueta do modelo.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--version -v

Versão do modelo.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model share

Compartilhe um modelo específico do espaço de trabalho para o registro.

Copie um modelo existente de um espaço de trabalho para um registro para reutilização entre espaços de trabalho.

az ml model share --name
                  --registry-name
                  --share-with-name
                  --share-with-version
                  --version
                  [--resource-group]
                  [--workspace-name]

Exemplos

Compartilhar um ambiente existente do espaço de trabalho para o registro

az ml model share --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --share-with-name new-name-in-registry --share-with-version new-version-in-registry --registry-name my-registry

Parâmetros Exigidos

--name -n

Nome do modelo.

--registry-name

Registro de destino.

--share-with-name

Nome do modelo a ser criado com.

--share-with-version

Versão do modelo a ser criado com.

--version -v

Versão do modelo.

Parâmetros Opcionais

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model show

Mostrar detalhes de um modelo em um espaço de trabalho/registro. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

az ml model show --name
                 [--label]
                 [--registry-name]
                 [--resource-group]
                 [--version]
                 [--workspace-name]

Exemplos

Mostrar detalhes de um modelo com o nome e a versão especificados

az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Exigidos

--name -n

Nome do modelo.

Parâmetros Opcionais

--label -l

Etiqueta do modelo.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--version -v

Versão do modelo.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.

az ml model update

Atualizar um modelo em um espaço de trabalho/registro.

As propriedades 'description' e 'tags' podem ser atualizadas. Se você estiver usando um registro, substitua --workspace-name my-workspace--registry-name <registry-name> pela opção.

az ml model update --name
                   --resource-group
                   [--add]
                   [--force-string]
                   [--label]
                   [--registry-name]
                   [--remove]
                   [--set]
                   [--stage]
                   [--version]
                   [--workspace-name]

Exemplos

Atualizar os sabores de um modelo

az ml model update --name my-model --version 1 --set flavors.python_function.python_version=3.8 --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Exigidos

--name -n

Nome do modelo.

--resource-group -g

Nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

Parâmetros Opcionais

--add

Adicione um objeto a uma lista de objetos especificando um caminho e pares de valores de chave. Exemplo: --add property.listProperty <key=value, string or JSON string>.

valor padrão: []
--force-string

Ao usar 'set' ou 'add', preserve literais de cadeia de caracteres em vez de tentar converter para JSON.

valor padrão: False
--label -l

Etiqueta do modelo.

--registry-name

Se fornecido, o comando terá como alvo o Registro em vez de um espaço de trabalho. Portanto, o grupo de recursos e o espaço de trabalho não serão necessários.

--remove

Remova uma propriedade ou um elemento de uma lista. Exemplo: --remove property.list <indexToRemove> OU --remove propertyToRemove.

valor padrão: []
--set

Atualize um objeto especificando um caminho de propriedade e um valor a serem definidos. Exemplo: --set property1.property2=<value>.

valor padrão: []
--stage -s

Estágio do modelo.

--version -v

Versão do modelo.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Globais
--debug

Aumente o detalhamento do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceitos: json, jsonc, none, table, tsv, yaml, yamlc
valor padrão: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

Nome ou ID da assinatura. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_ID.

--verbose

Aumentar o detalhamento do log. Use --debug para logs de depuração completos.