Share via

az ml batch-endpoint

  • Reference

Poznámka:

Tento odkaz je součástí rozšíření ml pro Azure CLI (verze 2.15.0 nebo vyšší). Rozšíření se automaticky nainstaluje při prvním spuštění příkazu az ml batch-endpoint . Přečtěte si další informace o rozšířeních.

Správa koncových bodů služby Azure ML Batch

Koncové body Azure ML poskytují jednoduché rozhraní pro vytváření a správu nasazení modelů. Každý koncový bod může mít jedno nebo více nasazení. Dávkové koncové body se používají pro offline dávkové vyhodnocování.

Příkazy

Name Description Typ Stav
az ml batch-endpoint create

Vytvořte koncový bod.

 Rozšíření GA
az ml batch-endpoint delete

Odstranění koncového bodu

 Rozšíření GA
az ml batch-endpoint invoke

Vyvolání koncového bodu

 Rozšíření GA
az ml batch-endpoint list

Výpis koncových bodů v pracovním prostoru

 Rozšíření GA
az ml batch-endpoint list-jobs

Vypíše dávkové bodovací úlohy pro koncový bod dávky.

 Rozšíření GA
az ml batch-endpoint show

Zobrazení podrobností o koncovém bodu

 Rozšíření GA
az ml batch-endpoint update

Aktualizace koncového bodu

 Rozšíření GA

az ml batch-endpoint create

Vytvořte koncový bod.

Pokud chcete vytvořit koncový bod, zadejte soubor YAML s konfigurací dávkového koncového bodu. Pokud už koncový bod existuje, bude přepsán pomocí nového nastavení.

az ml batch-endpoint create --resource-group
                            --workspace-name
                            [--file]
                            [--name]
                            [--no-wait]
                            [--set]

Příklady

Vytvoření koncového bodu ze souboru specifikace YAML

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

Vytvoření koncového bodu s názvem

az ml batch-endpoint create --name endpointname --resource-group my-resource-group --workspace-name my-workspace

Povinné parametry

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Volitelné parametry

--file -f

Místní cesta k souboru YAML obsahujícímu specifikaci dávkového koncového bodu Azure ML Referenční dokumenty YAML pro dávkové koncové body najdete na adrese: https://aka.ms/ml-cli-v2-endpoint-batch-yaml-reference.

--name -n

Název dávkového koncového bodu

--no-wait

Nečekejte na dokončení dlouhotrvající operace. Výchozí hodnota je False.

výchozí hodnota: False
--set

Aktualizujte objekt zadáním cesty vlastnosti a hodnoty, která se má nastavit. Příklad: --set property1.property2=.

Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.

az ml batch-endpoint delete

Odstranění koncového bodu

az ml batch-endpoint delete --name
                            --resource-group
                            --workspace-name
                            [--no-wait]
                            [--yes]

Příklady

Odstranění dávkového koncového bodu včetně všech jeho nasazení

az ml batch-endpoint delete --name my-batch-endpoint --resource-group my-resource-group --workspace-name my-workspace

Povinné parametry

--name -n

Název dávkového koncového bodu

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Volitelné parametry

--no-wait

Nečekejte na dokončení dlouhotrvající operace. Výchozí hodnota je False.

výchozí hodnota: False
--yes -y

Nezotvádejte výzvu k potvrzení.

výchozí hodnota: False
Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.

az ml batch-endpoint invoke

Vyvolání koncového bodu

Dávkové odvozování můžete spustit vyvoláním koncového bodu s některými daty. U dávkových koncových bodů aktivuje vyvolání asynchronní dávkové bodovací úlohy.

az ml batch-endpoint invoke --name
                            --resource-group
                            --workspace-name
                            [--deployment-name]
                            [--experiment-name]
                            [--file]
                            [--input]
                            [--input-type]
                            [--inputs]
                            [--instance-count]
                            [--job-name]
                            [--mini-batch-size]
                            [--output-path]
                            [--outputs]
                            [--set]

Příklady

Vyvolání dávkového koncového bodu se vstupními daty z registrovaného datového prostředku Azure ML a přepsání výchozího nastavení nasazení pro mini_batch_size

az ml batch-endpoint invoke --name my-batch-endpoint --input azureml:my-dataset:1 --mini-batch-size 64 --resource-group my-resource-group --workspace-name my-workspace

Vyvolání dávkového koncového bodu se vstupním souborem z veřejného identifikátoru URI

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_file --input https://pipelinedata.blob.core.windows.net/sampledata/mnist/0.png --resource-group my-resource-group --workspace-name my-workspace

Vyvolání dávkového koncového bodu se vstupním souborem z registrovaného úložiště dat

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_file --input azureml://datastores/workspaceblobstore/paths/{path_to_data}/mnist/0.png --resource-group my-resource-group --workspace-name my-workspace

Vyvolání dávkového koncového bodu se vstupní složkou z veřejného identifikátoru URI

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_folder --input https://pipelinedata.blob.core.windows.net/sampledata/mnist --resource-group my-resource-group --workspace-name my-workspace

Vyvolání dávkového koncového bodu se vstupní složkou z registrovaného úložiště dat

az ml batch-endpoint invoke --name my-batch-endpoint --input-type uri_folder --input azureml://datastores/workspaceblobstore/paths/{path_to_data}/mnist --resource-group my-resource-group --workspace-name my-workspace

Vyvolání dávkového koncového bodu se soubory v místní složce

az ml batch-endpoint invoke --name my-batch-endpoint --input ./mnist_folder --resource-group my-resource-group --workspace-name my-workspace

Vyvolání dávkového koncového bodu s místní složkou jako vstupní a výstupní cestou a přepsání některých nastavení dávkového nasazení během vyvolání koncového bodu

az ml batch-endpoint invoke --name my-batch-endpoint --input ./mnist_folder --instance-count 2 --mini-batch-size 5 --output-path azureml://datastores/workspaceblobstore/paths/tests/output --resource-group my-resource-group --workspace-name my-workspace

Povinné parametry

--name -n

Název dávkového koncového bodu

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Volitelné parametry

--deployment-name -d

Název nasazení, které se má cílit.

--experiment-name

Název experimentu pro nasazení součástí kanálu

--file -f

Název souboru použitého pro dávkové vyvolání

--input

Odkaz na vstupní data, která se mají použít pro dávkové odvozování. Může se jednat o cestu k úložišti dat, veřejnému identifikátoru URI, registrovanému datovému prostředku nebo místní cestě ke složce.

--input-type

Typ vstupu, určení, jestli se jedná o soubor nebo složku. Tuto možnost použijte, pokud používáte cestu k úložišti dat nebo veřejnému identifikátoru URI. Podporované hodnoty: uri_folder, uri_file.

--inputs

Slovník vstupů vyvolání úloh

--instance-count -c

Počet instancí, na kterých se předpověď spustí

--job-name

Název úlohy pro vyvolání dávky

--mini-batch-size -m

Velikost každé mini dávky, do které se vstupní data rozdělí pro předpověď.

--output-path

Cesta k úložišti dat, do kterého se budou nahrávat výstupní soubory.

--outputs

Slovník, který určuje, kam se mají výsledky uložit.

--set

Aktualizujte objekt zadáním cesty vlastnosti a hodnoty, která se má nastavit. Příklad: --set property1.property2=.

Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.

az ml batch-endpoint list

Výpis koncových bodů v pracovním prostoru

az ml batch-endpoint list --resource-group
                          --workspace-name

Příklady

Výpis všech dávkových koncových bodů v pracovním prostoru

az ml batch-endpoint list --resource-group my-resource-group --workspace-name my-workspace

Výpis všech dávkových koncových bodů v pracovním prostoru

az ml batch-endpoint list  --resource-group my-resource-group --workspace-name my-workspace

Vypište všechny dávkové koncové body v pracovním prostoru pomocí argumentu --query ke spuštění dotazu JMESPath na výsledky příkazů.

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

Povinné parametry

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.

az ml batch-endpoint list-jobs

Vypíše dávkové bodovací úlohy pro koncový bod dávky.

az ml batch-endpoint list-jobs --name
                               --resource-group
                               --workspace-name

Příklady

Výpis všech dávkových úloh bodování pro koncový bod

az ml batch-endpoint list-jobs --name my-batch-endpoint --resource-group my-resource-group --workspace-name my-workspace

Povinné parametry

--name -n

Název dávkového koncového bodu

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.

az ml batch-endpoint show

Zobrazení podrobností o koncovém bodu

az ml batch-endpoint show --name
                          --resource-group
                          --workspace-name

Příklady

Zobrazení podrobností o dávkovém koncovém bodu

az ml batch-endpoint show --name my-batch-endpoint  --resource-group my-resource-group --workspace-name my-workspace

Umožňuje zobrazit stav zřizování koncového bodu pomocí argumentu --query ke spuštění dotazu JMESPath na výsledky příkazů.

az ml batch-endpoint show -n my-endpoint --query "{Name:name,State:provisioning_state}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Povinné parametry

--name -n

Název dávkového koncového bodu

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.

az ml batch-endpoint update

Aktualizace koncového bodu

Vlastnosti description, tags a defaults koncového bodu je možné aktualizovat. Kromě toho je možné do koncového bodu přidat nová nasazení a stávající nasazení je možné aktualizovat.

az ml batch-endpoint update --resource-group
                            --workspace-name
                            [--add]
                            [--defaults]
                            [--file]
                            [--force-string]
                            [--name]
                            [--no-wait]
                            [--remove]
                            [--set]

Příklady

Aktualizace koncového bodu ze souboru specifikace YAML

az ml batch-endpoint update --name my-batch-endpoint --file updated_endpoint.yml --resource-group my-resource-group --workspace-name my-workspace

Přidání nového nasazení do existujícího koncového bodu

az ml batch-endpoint update --name my-batch-endpoint  --set defaults.deployment_name=depname  --resource-group my-resource-group --workspace-name my-workspace

Povinné parametry

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<name>.

--workspace-name -w

Název pracovního prostoru Azure ML Výchozí pracovní prostor můžete nakonfigurovat pomocí az configure --defaults workspace=<name>.

Volitelné parametry

--add

Přidejte objekt do seznamu objektů zadáním párů cest a klíč-hodnota. Příklad: --add property.listProperty <key=value, string or JSON string>.

výchozí hodnota: []
--defaults

Aktualizujte deployment_name uvnitř výchozího nastavení pro vyvolání koncového bodu.

--file -f

Místní cesta k souboru YAML obsahujícímu specifikaci dávkového koncového bodu Azure ML Referenční dokumenty YAML pro dávkové koncové body najdete na adrese: https://aka.ms/ml-cli-v2-endpoint-batch-yaml-reference.

--force-string

Při použití set nebo add zachovávejte řetězcové literály místo pokusu o převod na JSON.

výchozí hodnota: False
--name -n

Název dávkového koncového bodu

--no-wait

Nečekejte na dokončení dlouhotrvající operace. Výchozí hodnota je False.

výchozí hodnota: False
--remove

Odeberte vlastnost nebo prvek ze seznamu. Příklad: --remove property.list <indexToRemove> OR --remove propertyToRemove.

výchozí hodnota: []
--set

Aktualizujte objekt zadáním cesty vlastnosti a hodnoty, která se má nastavit. Příklad: --set property1.property2=<value>.

výchozí hodnota: []
Globální parametry
--debug

Zvyšte úroveň podrobností protokolování, aby se zobrazily všechny protokoly ladění.

--help -h

Zobrazte tuto zprávu nápovědy a ukončete ji.

--only-show-errors

Zobrazují se pouze chyby, potlačení upozornění.

--output -o

Výstupní formát

přijímané hodnoty: json, jsonc, none, table, tsv, yaml, yamlc
výchozí hodnota: json
--query

Řetězec dotazu JMESPath Další http://jmespath.org/ informace a příklady najdete v tématu.

--subscription

Název nebo ID předplatného. Výchozí předplatné můžete nakonfigurovat pomocí az account set -s NAME_OR_ID.

--verbose

Zvyšte úroveň podrobností protokolování. K úplnému ladění protokolů použijte příkaz --debug.