Sdílet prostřednictvím


az ml model

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 model . Přečtěte si další informace o rozšířeních.

Správa modelů Azure ML

Modely Azure ML se skládají z binárních souborů, které představují model strojového učení a všechna odpovídající metadata. Tyto modely je možné použít v nasazeních koncových bodů pro odvozování v reálném čase a dávkové odvozování.

Příkazy

Name Description Typ Stav
az ml model archive

Archivace modelu

Rozšíření GA
az ml model create

Vytvořte model.

Rozšíření GA
az ml model download

Stáhněte si všechny soubory související s modelem.

Rozšíření GA
az ml model list

Zobrazení seznamu modelů v pracovním prostoru nebo registru Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

Rozšíření GA
az ml model package

Zabalte model do prostředí.

Rozšíření Preview
az ml model restore

Obnovení archivovaného modelu

Rozšíření GA
az ml model share

Sdílejte konkrétní model z pracovního prostoru do registru.

Rozšíření GA
az ml model show

Zobrazení podrobností o modelu v pracovním prostoru nebo registru Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

Rozšíření GA
az ml model update

Aktualizujte model v pracovním prostoru nebo registru.

Rozšíření GA

az ml model archive

Archivace modelu

Archivace modelu ho ve výchozím nastavení skryje v dotazech seznamu (az ml model list). V pracovních postupech můžete i nadále odkazovat na archivovaný model a používat ho. Můžete archivovat kontejner modelu nebo konkrétní verzi modelu. Archivace kontejneru modelu bude archivovat všechny verze modelu pod tímto názvem. Archivovaný model můžete obnovit pomocí az ml model restore. Pokud se archivuje celý kontejner modelu, nemůžete obnovit jednotlivé verze modelu – kontejner modelu bude potřeba obnovit.

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

Příklady

Archivace kontejneru modelu (archivuje všechny verze tohoto modelu)

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

Archivace konkrétní verze modelu

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

Povinné parametry

--name -n

Název modelu

Volitelné parametry

--label -l

Popisek modelu

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--resource-group -g

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

--version -v

Verze modelu

--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 model create

Vytvořte model.

Modely lze vytvořit z místního souboru, místního adresáře, úložiště dat nebo výstupu úlohy. Vytvořený model se bude sledovat v pracovním prostoru nebo registru pod zadaným názvem a verzí. Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

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

Příklady

Vytvoření modelu ze souboru specifikace YAML

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

Vytvoření modelu z místní složky pomocí možností příkazu

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

Vytvoření modelu pomocí formátu identifikátoru URI spuštění mlflow "run:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/" a možností příkazů

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

Vytvořte model z výstupu pojmenované úlohy pomocí formátu identifikátoru URI úlohy azureml ,azureml://jobs/<job-name>/outputs/<named-output>/paths/<path-to-model-relative-to-the-named-output-location>' a možností příkazů. Výchozí pojmenovaný výstup je artefakty.

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

Vytvoření modelu z úložiště dat azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>pomocí možností příkazu

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

Volitelné parametry

--datastore

Úložiště dat pro nahrání místního artefaktu do.

--description

Popis modelu.

--file -f

Místní cesta k souboru YAML obsahujícímu specifikaci modelu Azure ML. Referenční dokumentaci k YAML pro model najdete na adrese: https://aka.ms/ml-cli-v2-model-yaml-reference.

--name -n

Název modelu

--no-wait

Nečekejte na dokončení dlouhotrvající operace.

výchozí hodnota: False
--path -p

Cesta k souborům modelu Může to být místní nebo vzdálené umístění. Pokud je zadáno, musí být zadán také parametr --name/-n a --version/-v.

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--resource-group -g

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

--set

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

--stage -s

Fáze modelu

--tags

Páry klíč-hodnota oddělené mezerami pro značky objektu.

--type -t

Typ modelu, povolené hodnoty jsou custom_model, mlflow_model a triton_model. Výchozí typ je custom_model.

--version -v

Verze modelu

--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 model download

Stáhněte si všechny soubory související s modelem.

Soubory se stáhnou do složky pojmenované po názvu modelu. Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

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

Příklady

Stažení modelu se zadaným názvem a verzí

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

Stáhněte si model se zadaným názvem a verzí do zadané místní cesty.

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

Povinné parametry

--name -n

Název modelu

--version -v

Verze modelu

Volitelné parametry

--download-path -p

Cesta ke stažení souborů modelu, výchozí hodnota je aktuální pracovní adresář.

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--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 model list

Zobrazení seznamu modelů v pracovním prostoru nebo registru Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

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

Příklady

Výpis všech modelů v pracovním prostoru

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

Výpis všech verzí modelu pro zadaný název v pracovním prostoru

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

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

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

Volitelné parametry

--archived-only

Výpis pouze archivovaných modelů

výchozí hodnota: False
--include-archived

Výpis archivovaných modelů a aktivních modelů

výchozí hodnota: False
--max-results -r

Maximální počet výsledků, které se mají vrátit.

--name -n

Název modelu Pokud je k dispozici, vrátí se všechny verze modelu pod tímto názvem.

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--resource-group -g

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

--stage -s

Fáze modelu

--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 model package

Preview

Tento příkaz je ve verzi Preview a ve vývoji. Referenční úrovně a úrovně podpory: https://aka.ms/CLI_refstatus

Zabalte model do prostředí.

Při zabalení modelu se vytvoří prostředí se všemi závislostmi.

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

Příklady

Zabalení modelu se zadaným názvem a verzí

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

Povinné parametry

--file -f

Místní cesta k souboru YAML obsahujícímu definici balíčku modelu.

--name -n

Název modelu

--version -v

Verze modelu

Volitelné parametry

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--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 model restore

Obnovení archivovaného modelu

Když se archivovaný model obnoví, už nebude skrytý v dotazech seznamu (az ml model list). Pokud se archivuje celý kontejner modelu, můžete tento archivovaný kontejner obnovit. Tím se obnoví všechny verze modelu pod tímto názvem. Pokud je archivován celý kontejner modelu, nemůžete obnovit pouze konkrétní verzi modelu – budete muset obnovit celý kontejner. Pokud byla archivována pouze verze jednotlivých modelů, můžete tuto konkrétní verzi obnovit.

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

Příklady

Obnovení archivovaného kontejneru modelu (obnoví všechny verze tohoto modelu)

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

Obnovení konkrétní archivované verze modelu

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

Povinné parametry

--name -n

Název modelu

Volitelné parametry

--label -l

Popisek modelu

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--resource-group -g

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

--version -v

Verze modelu

--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 model share

Sdílejte konkrétní model z pracovního prostoru do registru.

Zkopírujte existující model z pracovního prostoru do registru pro opakované použití mezi pracovními prostory.

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

Příklady

Sdílení existujícího prostředí z pracovního prostoru do registru

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

Povinné parametry

--name -n

Název modelu

--registry-name

Cílový registr.

--share-with-name

Název modelu, se kterým se má vytvořit.

--share-with-version

Verze modelu, pomocí které se má vytvořit.

--version -v

Verze modelu

Volitelné 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 model show

Zobrazení podrobností o modelu v pracovním prostoru nebo registru Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

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

Příklady

Zobrazení podrobností o modelu se zadaným názvem a verzí

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

Povinné parametry

--name -n

Název modelu

Volitelné parametry

--label -l

Popisek modelu

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--resource-group -g

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

--version -v

Verze modelu

--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 model update

Aktualizujte model v pracovním prostoru nebo registru.

Vlastnosti description a tags je možné aktualizovat. Pokud používáte registr, nahraďte --workspace-name my-workspace tuto --registry-name <registry-name> možnost.

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

Příklady

Aktualizace příchutí modelu

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

Povinné parametry

--name -n

Název modelu

--resource-group -g

Název skupiny prostředků. Výchozí skupinu můžete nakonfigurovat pomocí az configure --defaults group=<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: []
--force-string

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

výchozí hodnota: False
--label -l

Popisek modelu

--registry-name

Pokud je k dispozici, příkaz bude místo pracovního prostoru cílit na registr. Proto se skupina prostředků a pracovní prostor nevyžadují.

--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: []
--stage -s

Fáze modelu

--version -v

Verze modelu

--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.