Model Classe

  • Referência

Representa o resultado do treinamento do machine learning.

Um modelo é o resultado de um treinamento do Azure Machine Learning Run ou algum outro processo de treinamento de modelo fora do Azure. Independentemente de como o modelo é produzido, ele pode ser registrado em um workspace, onde é representado por um nome e uma versão. Com a classe Model, você pode empacotar modelos para uso com o Docker e implantá-los como um ponto de extremidade em tempo real que pode ser usado para solicitações de inferência.

Para obter um tutorial completo mostrando como os modelos são criados, gerenciados e consumidos, consulte Treinar modelo de classificação de imagem com dados do MNIST e scikit-learn usando o Azure Machine Learning.

Construtor de modelo.

O construtor Model é usado para recuperar uma representação na nuvem de um objeto Model associado ao workspace fornecido. Deve fornecer o nome ou a ID.

Herança
builtins.object
Model

Construtor

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

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

O objeto de workspace que contém o modelo a ser recuperado.
name
str

O nome do modelo a ser recuperado. O modelo mais recente com o nome especificado será retornado se existir.

valor padrão: None
id
str

A ID do modelo a ser recuperado. O modelo com a ID especificada será retornado se existir.

valor padrão: None
tags
list

Uma lista opcional de marcas usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]

valor padrão: None
properties
list

Uma lista opcional de propriedades usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]

valor padrão: None
version
int

A versão do modelo a ser retornada. Quando fornecida junto com o parâmetro name, a versão específica do modelo nomeado especificado será retornada se existir. Se version for omitida, a versão mais recente do modelo será retornada.

valor padrão: None
run_id
str

ID opcional usada para filtrar os resultados retornados.

valor padrão: None
model_framework
str

Nome da estrutura opcional usada para filtrar os resultados retornados. Se especificados, os resultados são retornados para os modelos que correspondem à estrutura especificada. Confira Framework para obter os valores permitidos.

valor padrão: None
workspace
Obrigatório
Workspace

O objeto de workspace que contém o modelo a ser recuperado.
name
Obrigatório
str

O nome do modelo a ser recuperado. O modelo mais recente com o nome especificado será retornado se existir.
id
Obrigatório
str

A ID do modelo a ser recuperado. O modelo com a ID especificada será retornado se existir.
tags
Obrigatório
list

Uma lista opcional de marcas usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]
properties
Obrigatório
list

Uma lista opcional de propriedades usadas para filtrar os resultados retornados. Os resultados são filtrados com base na lista fornecida, pesquisando por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]
version
Obrigatório
int

A versão do modelo a ser retornada. Quando fornecida junto com o parâmetro name, a versão específica do modelo nomeado especificado será retornada se existir. Se version for omitida, a versão mais recente do modelo será retornada.
run_id
Obrigatório
str

ID opcional usada para filtrar os resultados retornados.
model_framework
Obrigatório
str

Nome da estrutura opcional usada para filtrar os resultados retornados. Se especificados, os resultados são retornados para os modelos que correspondem à estrutura especificada. Confira Framework para obter os valores permitidos.
expand
bool

Se for true, retornará modelos com todas as subpropriedades preenchidas, por exemplo, run, dataset e experiment.

valor padrão: True

Comentários

O construtor Model é usado para recuperar uma representação em nuvem de um objeto Model associado ao workspace fornecido. Pelo menos o nome ou a ID precisa ser fornecido para recuperar modelos, mas há também outras opções de filtragem, incluindo marcas, propriedades, versão, ID de execução e estrutura.


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

O exemplo a seguir mostra como buscar uma versão específica de um modelo.


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

Um modelo registrado é um contêiner lógico para um ou mais arquivos que compõem seu modelo. Além do conteúdo do próprio arquivo de modelo, um modelo registrado também armazena os metadados do modelo, incluindo descrição do modelo, marcas e informações de estrutura, que serão úteis ao gerenciar e implantar o modelo no workspace. Usando marcas, por exemplo, você pode categorizar seus modelos e aplicar filtros ao listar modelos no workspace. Após o registro, você pode baixar ou implantar o modelo registrado e receber todos os arquivos e metadados registrados.

A amostra a seguir mostra como registrar um modelo especificando marcas e uma descrição.


   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)

O exemplo completo está disponível em https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

A amostra a seguir mostra como registrar um modelo especificando a estrutura, os conjuntos de dados de entrada e saída e a configuração do recurso.


   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)

A seção Variáveis lista os atributos de uma representação local do objeto de modelo na nuvem. Essas variáveis devem ser consideradas somente leitura. Alterar seus valores não altera o objeto de nuvem correspondente.

Variáveis

Nome Description
created_by
dict

O usuário que criou o modelo.
created_time
datetime

Quando o modelo foi criado.
azureml.core.Model.description

Uma descrição do objeto de modelo.
azureml.core.Model.id

A ID do modelo. Isso usa a forma de <nome do modelo>: <versão do modelo>.
mime_type
str

O tipo mime do modelo.
azureml.core.Model.name

O nome do modelo.
model_framework
str

A estrutura do modelo.
model_framework_version
str

A versão da estrutura do modelo.
azureml.core.Model.tags

Um dicionário de marcas para o objeto de modelo.
azureml.core.Model.properties

Dicionário de propriedades de chave-valor para o modelo. Essas propriedades não podem ser alteradas após o registro. No entanto, novos pares de chave-valor podem ser adicionados.
unpack
bool

Se o modelo precisa ou não ser desempacotado (descompactado de formato tar) quando obtido por pull para um contexto local.
url
str

O local da URL do modelo.
azureml.core.Model.version

A versão do modelo.
azureml.core.Model.workspace

O workspace que contém o modelo.
azureml.core.Model.experiment_name

O nome do experimento que criou o modelo.
azureml.core.Model.run_id

A ID da execução que criou o modelo.
parent_id
str

A ID do modelo pai do modelo.
derived_model_ids
list[str]

Uma lista de IDs de modelo que foram derivadas deste modelo.
resource_configuration
ResourceConfiguration

O ResourceConfiguration para este modelo. Usado para criação de perfil.

Métodos

add_dataset_references

Associar os conjuntos de dados fornecidos a esse modelo.
add_properties

Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.
add_tags

Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.
delete

Excluir este serviço Web do workspace associado.
deploy

Implantar um serviço Web de zero ou mais objetos Model.

O serviço Web resultante é um ponto de extremidade em tempo real que pode ser usado para solicitações de inferência. A função deploy de Model é semelhante à função deploy da classe Webservice, mas não registra os modelos. Use a função deploy de Model se tiver objetos de modelo que já estão registrados.
deserialize

Converter um objeto JSON em um objeto de modelo.

A conversão falhará se o workspace especificado não for aquele com o qual o modelo está registrado.
download

Baixar o modelo para o diretório de destino do sistema de arquivos local.
get_model_path

Retornar o caminho para o modelo.

A função pesquisará o modelo nos locais a seguir.

Se version for Nenhum:

  1. Baixar de um local remoto para cache (se o workspace for fornecido)
  2. Carregar do cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Se version não for Nenhum:

  1. Carregar do cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Baixar de um local remoto para cache (se o workspace for fornecido)
get_sas_urls

Retornar um dicionário de pares chave-valor com nomes de arquivo e URLs SAS correspondentes.
list

Recuperar uma lista de todos os modelos associados ao workspace fornecido, com filtros opcionais.
package

Criar um pacote de modelo na forma de uma imagem do Docker ou contexto de build do Dockerfile.
print_configuration

Imprima a configuração do usuário.
profile

Cria o perfil do modelo para obtenção de recomendações de requisito de recurso.

Essa é uma operação de execução prolongada que pode levar até 25 minutos, dependendo do tamanho do conjunto de dados.
register

Registrar um modelo com o workspace fornecido.
remove_tags

Remover as chaves especificadas do dicionário de marcas deste modelo.
serialize

Converter esse modelo em um dicionário serializado JSON.
update

Executar uma atualização in-loco do modelo.

Os valores existentes dos parâmetros especificados são substituídos.
update_tags_properties

Executa uma atualização das marcas e propriedades do modelo.

add_dataset_references

Associar os conjuntos de dados fornecidos a esse modelo.

add_dataset_references(datasets)

Parâmetros

Nome Description
datasets
Obrigatório
list[tuple(<xref:str :> (Dataset ou DatasetSnapshot))]

Uma lista de tuplas que representa um emparelhamento da finalidade do conjunto de dados para o objeto de conjunto de dados.

Exceções

Tipo Description
WebserviceException

add_properties

Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.

add_properties(properties)

Parâmetros

Nome Description
properties
Obrigatório
dict(<xref:str : str>)

O dicionário de propriedades a ser adicionado.

Exceções

Tipo Description
WebserviceException

add_tags

Adicionar pares de chave-valor ao dicionário de propriedades deste modelo.

add_tags(tags)

Parâmetros

Nome Description
tags
Obrigatório
dict(<xref:{str : str}>)

O dicionário de marcas a ser adicionado.

Exceções

Tipo Description
WebserviceException

delete

Excluir este serviço Web do workspace associado.

delete()

Exceções

Tipo Description
WebserviceException

deploy

Implantar um serviço Web de zero ou mais objetos Model.

O serviço Web resultante é um ponto de extremidade em tempo real que pode ser usado para solicitações de inferência. A função deploy de Model é semelhante à função deploy da classe Webservice, mas não registra os modelos. Use a função deploy de Model se tiver objetos de modelo que já estão registrados.

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

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

Um objeto de workspace ao qual associar o serviço Web.
name
Obrigatório
str

O nome para o serviço implantado. Deve ser exclusivo ao workspace, ter apenas letras minúsculas, números ou traços, começar com uma letra e ter entre 3 e 32 caracteres.
models
Obrigatório
list[Model]

Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config
InferenceConfig

Um objeto InferenceConfig usado para determinar as propriedades de modelo necessárias.

valor padrão: None
deployment_config
WebserviceDeploymentConfiguration

Um WebserviceDeploymentConfiguration usado para configurar o serviço Web. Se um não for fornecido, um objeto de configuração vazio será usado com base no destino desejado.

valor padrão: None
deployment_target
ComputeTarget

Um ComputeTarget no qual implantar o serviço Web. Como as Instâncias de Contêiner do Azure não têm um ComputeTarget associado, deixe esse parâmetro como None para implantar nas Instâncias de Contêiner do Azure.

valor padrão: None
overwrite
bool

Indica se o serviço existente deverá ou não ser substituído se já existir um serviço com o nome especificado.

valor padrão: False
show_output
bool

Indica se o andamento da implantação do serviço deve ser exibido.

valor padrão: False

Retornos

Tipo Description
Webservice

Um objeto do serviço Web correspondente ao serviço Web implantado.

Exceções

Tipo Description
WebserviceException

deserialize

Converter um objeto JSON em um objeto de modelo.

A conversão falhará se o workspace especificado não for aquele com o qual o modelo está registrado.

static deserialize(workspace, model_payload)

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

O objeto de workspace com o qual o modelo está registrado.
model_payload
Obrigatório
dict

Um objeto JSON a ser convertido em um objeto de modelo.

Retornos

Tipo Description
Model

A representação de modelo do objeto JSON fornecido.

Exceções

Tipo Description
WebserviceException

download

Baixar o modelo para o diretório de destino do sistema de arquivos local.

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

Parâmetros

Nome Description
target_dir
str

O caminho para um diretório no qual baixar o modelo. Usa como padrão "."

valor padrão: .
exist_ok
bool

Indica se os arquivos dir baixados devem ser substituídos se existirem. Usa False como padrão.

valor padrão: False
exists_ok
bool

PRETERIDO. Use exist_ok.

valor padrão: None

Retornos

Tipo Description
str

O caminho para o arquivo ou a pasta do modelo.

Exceções

Tipo Description
WebserviceException

get_model_path

Retornar o caminho para o modelo.

A função pesquisará o modelo nos locais a seguir.

Se version for Nenhum:

  1. Baixar de um local remoto para cache (se o workspace for fornecido)
  2. Carregar do cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Se version não for Nenhum:

  1. Carregar do cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Baixar de um local remoto para cache (se o workspace for fornecido)
static get_model_path(model_name, version=None, _workspace=None)

Parâmetros

Nome Description
model_name
Obrigatório
str

O nome do modelo a ser recuperado.
version
int

A versão do modelo a ser recuperada. Usa a versão mais recente por padrão.

valor padrão: None
_workspace
Workspace

O workspace do qual recuperar um modelo. Não é possível usar remotamente. Se não for especificado, somente o cache local será pesquisado.

valor padrão: None

Retornos

Tipo Description
str

O caminho no disco para o modelo.

Exceções

Tipo Description
ModelNotFoundException

get_sas_urls

Retornar um dicionário de pares chave-valor com nomes de arquivo e URLs SAS correspondentes.

get_sas_urls()

Retornos

Tipo Description
dict

Dicionário de pares chave-valor contendo nomes de arquivo e URLs SAS correspondentes

Exceções

Tipo Description
WebserviceException

list

Recuperar uma lista de todos os modelos associados ao workspace fornecido, com filtros opcionais.

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)

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

O objeto de workspace do qual os modelos são recuperados.
name
str

Se fornecido, retornará apenas os modelos com o nome especificado, se houver.

valor padrão: None
tags
list

Filtrará com base na lista fornecida, por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]

valor padrão: None
properties
list

Filtrará com base na lista fornecida, por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]

valor padrão: None
run_id
str

Filtrará com base na ID de execução fornecida.

valor padrão: None
latest
bool

Se for true, retornará apenas os modelos com a versão mais recente.

valor padrão: False
dataset_id
str

Filtrará com base na ID do conjunto de dados fornecido.

valor padrão: None
expand
bool

Se for true, retornará modelos com todas as subpropriedades preenchidas, por exemplo, run, dataset e experiment. Definir isso como false deve acelerar a conclusão do método list() no caso de muitos modelos.

valor padrão: True
page_count
int

O número de itens a serem recuperados em uma página. Atualmente, dá suporte a valores de até 255. O valor padrão é 255.

valor padrão: 255
model_framework
str

Se fornecido, retornará apenas os modelos com a estrutura especificada, se houver.

valor padrão: None

Retornos

Tipo Description
list[Model]

Uma lista de modelos, opcionalmente filtrada.

Exceções

Tipo Description
WebserviceException

package

Criar um pacote de modelo na forma de uma imagem do Docker ou contexto de build do Dockerfile.

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

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

O workspace no qual criar o pacote.
models
Obrigatório
list[Model]

Uma lista de objetos de modelo a serem incluídos no pacote. Pode ser uma lista vazia.
inference_config
InferenceConfig

Um objeto InferenceConfig para configurar a operação dos modelos. Isso deve incluir um objeto de ambiente.

valor padrão: None
generate_dockerfile
bool

Se é necessário criar um Dockerfile que possa ser executado localmente em vez de criar uma imagem.

valor padrão: False
image_name
str

Ao criar uma imagem, o nome da imagem resultante.

valor padrão: None
image_label
str

Ao criar uma imagem, o rótulo da imagem resultante.

valor padrão: None

Retornos

Tipo Description
ModelPackage

Um objeto ModelPackage.

Exceções

Tipo Description
WebserviceException

print_configuration

Imprima a configuração do usuário.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parâmetros

Nome Description
models
Obrigatório
list[Model]

Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config
Obrigatório
InferenceConfig

Um objeto InferenceConfig usado para determinar as propriedades de modelo necessárias.
deployment_config
Obrigatório
WebserviceDeploymentConfiguration

Um WebserviceDeploymentConfiguration usado para configurar o serviço Web.
deployment_target
Obrigatório
ComputeTarget

Um ComputeTarget no qual implantar o serviço Web.

Exceções

Tipo Description
WebserviceException

profile

Cria o perfil do modelo para obtenção de recomendações de requisito de recurso.

Essa é uma operação de execução prolongada que pode levar até 25 minutos, dependendo do tamanho do conjunto de dados.

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

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

Um objeto de workspace no qual criar o perfil do modelo.
profile_name
Obrigatório
str

O nome da execução da criação de perfil.
models
Obrigatório
list[Model]

Uma lista de objetos de modelo. Pode ser uma lista vazia.
inference_config
Obrigatório
InferenceConfig

Um objeto InferenceConfig usado para determinar as propriedades de modelo necessárias.
input_dataset
Obrigatório
Dataset

O conjunto de dados de entrada para criação de perfil. O conjunto de dados de entrada deve ter apenas uma coluna e as entradas de exemplo devem estar no formato de cadeia de caracteres.
cpu
float

O número de núcleos de CPU a serem usados na maior instância de teste. Atualmente, dá suporte a valores de até 3.5.

valor padrão: None
memory_in_gb
float

A quantidade de memória (em GB) a ser usada na maior instância de teste. Pode ser um decimal. Atualmente, dá suporte a valores de até 15.0.

valor padrão: None
description
str

Descrição a ser associada à execução de criação de perfil.

valor padrão: None

Retornos

Tipo Description
ModelProfile

Exceções

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

register

Registrar um modelo com o workspace fornecido.

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)

Parâmetros

Nome Description
workspace
Obrigatório
Workspace

O workspace com o qual registrar o modelo.
model_path
Obrigatório
str

O caminho no sistema de arquivos local onde os ativos do modelo estão localizados. Isso pode ser um ponteiro direto para apenas um arquivo ou uma pasta. Se estiver apontando para uma pasta, o parâmetro child_paths poderá ser usado para especificar arquivos individuais a serem agrupados como o objeto de modelo, em vez de usar todo o conteúdo da pasta.
model_name
Obrigatório
str

O nome com o qual registrar o modelo.
tags
dict(<xref:{str : str}>)

Um dicionário opcional de marcas de chave-valor a serem atribuídas ao modelo.

valor padrão: None
properties
dict(<xref:{str : str}>)

Um dicionário opcional de propriedades de chave-valor a serem atribuídas ao modelo. Essas propriedades não podem ser alteradas após a criação do modelo. No entanto, novos pares de chave-valor podem ser adicionados.

valor padrão: None
description
str

Uma descrição de texto do modelo.

valor padrão: None
datasets
list[(str, AbstractDataset)]

Uma lista de tuplas em que o primeiro elemento descreve a relação entre o conjunto de dados e o modelo, e o segundo elemento é o conjunto de dados.

valor padrão: None
model_framework
str

A versão da estrutura do modelo registrado. O uso das constantes compatíveis com o sistema da classe Framework permite a implantação simplificada para algumas estruturas populares.

valor padrão: None
model_framework_version
str

A versão da estrutura do modelo registrado.

valor padrão: None
child_paths
list[str]

Se fornecido em conjunto com um model_path para uma pasta, somente os arquivos especificados serão agrupados no objeto de modelo.

valor padrão: None
sample_input_dataset
AbstractDataset

Amostra do conjunto de dados de entrada para o modelo registrado.

valor padrão: None
sample_output_dataset
AbstractDataset

Amostra do conjunto de dados de saída para o modelo registrado.

valor padrão: None
resource_configuration
ResourceConfiguration

Uma configuração de recurso para executar o modelo registrado.

valor padrão: None

Retornos

Tipo Description
Model

O objeto de modelo registrado.

Exceções

Tipo Description
WebserviceException

Comentários

Além do conteúdo do próprio arquivo de modelo, um modelo registrado também armazena os metadados do modelo, incluindo descrição do modelo, marcas e informações de estrutura, que serão úteis ao gerenciar e implantar o modelo no workspace. Usando marcas, por exemplo, você pode categorizar seus modelos e aplicar filtros ao listar modelos no workspace.

A amostra a seguir mostra como registrar um modelo especificando marcas e uma descrição.


   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)

O exemplo completo está disponível em https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Se você tiver um modelo que foi produzido como resultado de uma execução de experimento, você poderá registrá-lo de um objeto Run diretamente, sem baixá-lo em um arquivo local primeiro. Para fazer isso, use o método register_model conforme documentado na classe Run.

remove_tags

Remover as chaves especificadas do dicionário de marcas deste modelo.

remove_tags(tags)

Parâmetros

Nome Description
tags
Obrigatório
list[str]

A lista de chaves para remover

Exceções

Tipo Description
WebserviceException

serialize

Converter esse modelo em um dicionário serializado JSON.

serialize()

Retornos

Tipo Description
dict

A representação JSON desse modelo

Exceções

Tipo Description
WebserviceException

update

Executar uma atualização in-loco do modelo.

Os valores existentes dos parâmetros especificados são substituídos.

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

Parâmetros

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

Um dicionário de marcas com as quais atualizar o modelo. Essas marcas substituem as marcas existentes do modelo.

valor padrão: None
description
str

A nova descrição a ser usada para o modelo. Esse nome substitui o nome existente.

valor padrão: None
sample_input_dataset
AbstractDataset

Conjunto de dados de entrada de amostra a ser usado para o modelo registrado. Este conjunto de dados de entrada de amostra substitui o conjunto de dados existente.

valor padrão: None
sample_output_dataset
AbstractDataset

O conjunto de dados de saída de amostra ser usado para o modelo registrado. Este conjunto de dados de saída de amostra substitui o conjunto de dados existente.

valor padrão: None
resource_configuration
ResourceConfiguration

A configuração de recurso a ser usada para executar o modelo registrado.

valor padrão: None

Exceções

Tipo Description
WebserviceException

update_tags_properties

Executa uma atualização das marcas e propriedades do modelo.

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

Parâmetros

Nome Description
add_tags
dict(<xref:{str : str}>)

O dicionário de marcas a serem adicionadas.

valor padrão: None
remove_tags
list[str]

Uma lista de nomes de marca a serem removidos.

valor padrão: None
add_properties
dict(<xref:{str : str}>)

Um dicionário de propriedades a serem adicionadas.

valor padrão: None

Exceções

Tipo Description
WebserviceException