Model Třída

Představuje výsledek trénování strojového učení.

Model je výsledkem trénování Run služby Azure Machine Learning nebo jiného procesu trénování modelu mimo Azure. Bez ohledu na to, jak se model vytváří, je možné ho zaregistrovat v pracovním prostoru, kde je reprezentován názvem a verzí. Pomocí třídy Model můžete modely zabalit pro použití s Dockerem a nasadit je jako koncový bod v reálném čase, který se dá použít k odvozování požadavků.

Kompletní kurz ukazující, jak se modely vytvářejí, spravují a využívají, najdete v tématu Trénování modelu klasifikace obrázků s daty MNIST a scikit-learn pomocí azure Machine Learning.

Konstruktor modelu

Konstruktor modelu slouží k načtení cloudové reprezentace objektu modelu přidruženého k poskytnutému pracovnímu prostoru. Musí zadat název nebo ID.

Konstruktor

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

Parametry

Name	Description
workspace Vyžadováno	Workspace Objekt pracovního prostoru obsahující model, který se má načíst.
name	str Název modelu, který se má načíst. Pokud existuje, vrátí se nejnovější model se zadaným názvem. Default value: None
id	str ID modelu, který se má načíst. Model se zadaným ID se vrátí, pokud existuje. Default value: None
tags	list Volitelný seznam značek použitých k filtrování vrácených výsledků. Výsledky se filtrují na základě zadaného seznamu a prohledávají se podle klíče nebo [klíče, hodnoty]. Příklad: ['key', ['key2', 'key2 value']] Default value: None
properties	list Volitelný seznam vlastností použitých k filtrování vrácených výsledků. Výsledky se filtrují na základě zadaného seznamu a prohledávají se podle klíče nebo [klíče, hodnoty]. Příklad: ['key', ['key2', 'key2 value']] Default value: None
version	int Verze modelu, která se má vrátit. Pokud je k dispozici společně s parametrem `name` , vrátí se konkrétní verze zadaného pojmenovaného modelu, pokud existuje. Pokud `version` je vynechána, vrátí se poslední verze modelu. Default value: None
run_id	str Volitelné ID použité k filtrování vrácených výsledků Default value: None
model_framework	str Volitelný název architektury použitý k filtrování vrácených výsledků. Pokud je zadáno, vrátí se výsledky pro modely odpovídající zadanému rozhraní. Podívejte se Framework na povolené hodnoty. Default value: None
workspace Vyžadováno	Workspace Objekt pracovního prostoru obsahující model, který se má načíst.
name Vyžadováno	str Název modelu, který se má načíst. Pokud existuje, vrátí se nejnovější model se zadaným názvem.
id Vyžadováno	str ID modelu, který se má načíst. Model se zadaným ID se vrátí, pokud existuje.
tags Vyžadováno	list Volitelný seznam značek použitých k filtrování vrácených výsledků. Výsledky se filtrují na základě zadaného seznamu a prohledávají se podle klíče nebo [klíče, hodnoty]. Příklad: ['key', ['key2', 'key2 value']]
properties Vyžadováno	list Volitelný seznam vlastností použitých k filtrování vrácených výsledků. Výsledky se filtrují na základě zadaného seznamu a prohledávají se podle klíče nebo [klíče, hodnoty]. Příklad: ['key', ['key2', 'key2 value']]
version Vyžadováno	int Verze modelu, která se má vrátit. Pokud je k dispozici společně s parametrem `name` , vrátí se konkrétní verze zadaného pojmenovaného modelu, pokud existuje. Pokud `version` je vynechána, vrátí se poslední verze modelu.
run_id Vyžadováno	str Volitelné ID použité k filtrování vrácených výsledků
model_framework Vyžadováno	str Volitelný název architektury použitý k filtrování vrácených výsledků. Pokud je zadáno, vrátí se výsledky pro modely odpovídající zadanému rozhraní. Podívejte se Framework na povolené hodnoty.
expand	bool Pokud je pravda, vrátí se modely se všemi dílčími obdobími, například spuštěním, datovou sadou a experimentem. Default value: True

Poznámky

Konstruktor modelu slouží k načtení cloudové reprezentace objektu modelu přidruženého k zadanému pracovnímu prostoru. K načtení modelů musí být k dispozici alespoň název nebo ID, ale existují i další možnosti filtrování, včetně značek, vlastností, verzí, ID spuštění a architektury.


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

Následující ukázka ukazuje, jak načíst konkrétní verzi modelu.


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

Registrace modelu vytvoří logický kontejner pro jeden nebo více souborů, které tvoří váš model. Kromě obsahu samotného souboru modelu ukládá zaregistrovaný model také metadata modelu, včetně popisu modelu, značek a informací o architektuře, které jsou užitečné při správě a nasazení modelu ve vašem pracovním prostoru. Pomocí značek můžete například kategorizovat modely a použít filtry při výpisu modelů v pracovním prostoru. Po registraci si pak můžete stáhnout nebo nasadit registrovaný model a přijmout všechny soubory a metadata, které byly zaregistrovány.

Následující ukázka ukazuje, jak zaregistrovat model určující značky a popis.


   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)

Následující ukázka ukazuje, jak zaregistrovat model určující architekturu, vstupní a výstupní datové sady a konfiguraci prostředků.


   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)

Oddíl Variables uvádí atributy místní reprezentace objektu cloudového modelu. Tyto proměnné by se měly považovat za jen pro čtení. Změna jejich hodnot se neprojeví v odpovídajícím cloudovém objektu.

Proměnné

Name	Description
created_by	dict Uživatel, který vytvořil model.
created_time	datetime Po vytvoření modelu.
azureml.core.Model.description	Popis objektu Model.
azureml.core.Model.id	ID modelu. To má podobu <názvu> modelu:<verze> modelu.
mime_type	str Typ MIME modelu.
azureml.core.Model.name	Název modelu.
model_framework	str Rámec modelu.
model_framework_version	str Verze architektury modelu.
azureml.core.Model.tags	Slovník značek pro objekt Model.
azureml.core.Model.properties	Slovník vlastností klíč-hodnota pro model. Tyto vlastnosti nelze po registraci změnit, ale je možné přidat nové páry klíč-hodnota.
unpack	bool Bez ohledu na to, jestli se model musí rozbalit (zrušit) při přetažení do místního kontextu.
url	str Umístění adresy URL modelu.
azureml.core.Model.version	Verze modelu.
azureml.core.Model.workspace	Pracovní prostor obsahující model.
azureml.core.Model.experiment_name	Název experimentu, který vytvořil model.
azureml.core.Model.run_id	ID spuštění, které vytvořilo model.
parent_id	str ID nadřazeného modelu modelu.
derived_model_ids	list[str] Seznam ID modelů odvozených z tohoto modelu
resource_configuration	ResourceConfiguration Konfigurace prostředků pro tento model. Používá se k profilaci.

Metody

add_dataset_references	Přidružte poskytnuté datové sady k tomuto modelu.
add_properties	Přidejte páry klíč-hodnota do slovníku vlastností tohoto modelu.
add_tags	Přidejte páry klíč-hodnota do slovníku značek tohoto modelu.
delete	Odstraňte tento model z přidruženého pracovního prostoru.
deploy	Nasaďte webovou službu z nuly nebo více Model objektů. Výsledná webová služba je koncový bod v reálném čase, který lze použít k odvozování požadavků. Funkce Model `deploy` je podobná `deploy` funkci Webservice třídy, ale neregistruje modely. Pokud máte objekty modelu, které jsou už zaregistrované, použijte funkci Model `deploy` .
deserialize	Převede objekt JSON na objekt modelu. Převod selže, pokud zadaný pracovní prostor není pracovním prostorem, ve které je model zaregistrovaný.
download	Stáhněte model do cílového adresáře místního systému souborů.
get_model_path	Vraťte cestu k modelu. Funkce vyhledá model v následujících umístěních. Pokud `version` je žádná: Stažení ze vzdálené mezipaměti (pokud je k dispozici pracovní prostor) Načtení z mezipaměti azureml-models/$MODEL_NAME/$LATEST_VERSION/ ./$MODEL_JMÉNO Pokud `version` není žádná: Načtení z mezipaměti azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ Stažení ze vzdálené mezipaměti (pokud je k dispozici pracovní prostor)
get_sas_urls	Vrátí slovník párů klíč-hodnota obsahující názvy souborů a odpovídající adresy URL SAS.
list	Načtěte seznam všech modelů přidružených k poskytnutému pracovnímu prostoru s volitelnými filtry.
package	Vytvořte balíček modelu ve formě image Dockeru nebo kontextu sestavení Souboru Dockeru.
print_configuration	Vytiskněte konfiguraci uživatele.
profile	Profiluje model a získá doporučení k požadavkům na prostředky. Jedná se o dlouhotrvající operaci, která může v závislosti na velikosti datové sady trvat až 25 minut.
register	Zaregistrujte model v poskytnutém pracovním prostoru.
remove_tags	Odeberte zadané klíče ze slovníku značek tohoto modelu.
serialize	Převeďte tento model na serializovaný slovník JSON.
update	Proveďte místní aktualizaci modelu. Stávající hodnoty zadaných parametrů se nahradí.
update_tags_properties	Proveďte aktualizaci značek a vlastností modelu.

add_dataset_references

Přidružte poskytnuté datové sady k tomuto modelu.

add_dataset_references(datasets)

Parametry

Name	Description
datasets Vyžadováno	list[tuple(<xref:str :> (Dataset nebo DatasetSnapshot))] Seznam řazených kolekcí členů představující dvojici účelu datové sady s objektem Dataset.

Výjimky

Typ	Description
WebserviceException

add_properties

Přidejte páry klíč-hodnota do slovníku vlastností tohoto modelu.

add_properties(properties)

Parametry

Name	Description
properties Vyžadováno	dict(<xref:str : str>) Slovník vlastností, které chcete přidat.

add_tags

Přidejte páry klíč-hodnota do slovníku značek tohoto modelu.

add_tags(tags)

Parametry

Name	Description
tags Vyžadováno	dict(<xref:{str : str}>) Slovník značek, které chcete přidat.

Výjimky

Typ	Description
WebserviceException

delete

Odstraňte tento model z přidruženého pracovního prostoru.

delete()

Výjimky

Typ	Description
WebserviceException

deploy

Nasaďte webovou službu z nuly nebo více Model objektů.

Výsledná webová služba je koncový bod v reálném čase, který lze použít k odvozování požadavků. Funkce Model deploy je podobná deploy funkci Webservice třídy, ale neregistruje modely. Pokud máte objekty modelu, které jsou už zaregistrované, použijte funkci Model deploy .

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

Parametry

Name	Description
workspace Vyžadováno	Workspace Objekt pracovního prostoru pro přidružení webové služby.
name Vyžadováno	str Název, který má být nasazenou službou. Musí být jedinečný pro pracovní prostor, který se skládá jenom z malých písmen, číslic nebo pomlček, začíná písmenem a musí mít délku 3 až 32 znaků.
models Vyžadováno	list[Model] Seznamobjektůch Může to být prázdný seznam.
inference_config	InferenceConfig Objekt InferenceConfig sloužící k určení požadovaných vlastností modelu. Default value: None
deployment_config	WebserviceDeploymentConfiguration A WebserviceDeploymentConfiguration used to configure the webservice. Pokud ho nezadáte, použije se prázdný objekt konfigurace na základě požadovaného cíle. Default value: None
deployment_target	ComputeTarget A ComputeTarget pro nasazení webové služby do. Vzhledem k tomu, že služba Azure Container Instances nemá přidruženou žádnou instanci ComputeTarget, ponechte tento parametr jako None pro nasazení do služby Azure Container Instances. Default value: None
overwrite	bool Určuje, zda chcete přepsat existující službu, pokud služba se zadaným názvem již existuje. Default value: False
show_output	bool Určuje, jestli se má zobrazit průběh nasazení služby. Default value: False

Návraty

Typ	Description
Webservice	Objekt webové služby odpovídající nasazené webové službě.

Výjimky

Typ	Description
WebserviceException

deserialize

Převede objekt JSON na objekt modelu.

Převod selže, pokud zadaný pracovní prostor není pracovním prostorem, ve které je model zaregistrovaný.

static deserialize(workspace, model_payload)

Parametry

Name	Description
workspace Vyžadováno	Workspace Objekt pracovního prostoru, na který je model zaregistrovaný.
model_payload Vyžadováno	dict Objekt JSON, který se má převést na objekt modelu.

Návraty

Typ	Description
Model	Reprezentace modelu poskytnutého objektu JSON.

download

Stáhněte model do cílového adresáře místního systému souborů.

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

Parametry

Name	Description
target_dir	str Cesta k adresáři, do kterého chcete model stáhnout. Výchozí hodnota je "." Default value: .
exist_ok	bool Určuje, zda se mají nahradit stažené soubory nebo dir, pokud existují. Výchozí nastavení je 'False'. Default value: False
exists_ok	bool ZAVRHOVANÝ. Použijte `exist_ok`. Default value: None

Návraty

Typ	Description
str	Cesta k souboru nebo složce modelu.

get_model_path

Vraťte cestu k modelu.

Funkce vyhledá model v následujících umístěních.

Pokud version je žádná:

Stažení ze vzdálené mezipaměti (pokud je k dispozici pracovní prostor)
Načtení z mezipaměti azureml-models/$MODEL_NAME/$LATEST_VERSION/
./$MODEL_JMÉNO

Pokud version není žádná:

Načtení z mezipaměti azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
Stažení ze vzdálené mezipaměti (pokud je k dispozici pracovní prostor)

static get_model_path(model_name, version=None, _workspace=None)

Parametry

Name	Description
model_name Vyžadováno	str Název modelu, který se má načíst.
version	int Verze modelu, která se má načíst. Výchozí hodnota je nejnovější verze. Default value: None
_workspace	Workspace Pracovní prostor pro načtení modelu z. Nejde použít vzdáleně. Pokud není zadána pouze místní mezipaměť je prohledána. Default value: None

Návraty

Typ	Description
str	Cesta na disku k modelu.

Výjimky

Typ	Description
ModelNotFoundException

get_sas_urls

Vrátí slovník párů klíč-hodnota obsahující názvy souborů a odpovídající adresy URL SAS.

get_sas_urls()

Návraty

Typ	Description
dict	Slovník párů klíč-hodnota obsahujících názvy souborů a odpovídající adresy URL SAS

list

Načtěte seznam všech modelů přidružených k poskytnutému pracovnímu prostoru s volitelnými filtry.

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)

Parametry

Name	Description
workspace Vyžadováno	Workspace Objekt pracovního prostoru pro načtení modelů.
name	str Pokud je k dispozici, vrátí pouze modely se zadaným názvem, pokud existuje. Default value: None
tags	list Vyfiltruje podle zadaného seznamu hodnotu "klíč" nebo "[klíč, hodnota]". Příklad: ['key', ['key2', 'key2 value']] Default value: None
properties	list Vyfiltruje podle zadaného seznamu hodnotu "klíč" nebo "[klíč, hodnota]". Příklad: ['key', ['key2', 'key2 value']] Default value: None
run_id	str Vyfiltruje se podle zadaného ID spuštění. Default value: None
latest	bool Pokud ano, vrátí se pouze modely s nejnovější verzí. Default value: False
dataset_id	str Vyfiltruje se podle zadaného ID datové sady. Default value: None
expand	bool Pokud je pravda, vrátí se modely se všemi dílčími obdobími, například spuštěním, datovou sadou a experimentem. Nastavení na hodnotu false by mělo urychlit dokončení metody list() v případě mnoha modelů. Default value: True
page_count	int Počet položek, které se mají načíst na stránce V současné době podporují hodnoty až 255. Výchozí hodnota je 255. Default value: 255
model_framework	str Pokud je k dispozici, vrátí pouze modely se zadanou architekturou, pokud existuje. Default value: None

Návraty

Typ	Description
list[Model]	Seznam modelů, volitelně filtrovaný.

Výjimky

Typ	Description
WebserviceException

package

Vytvořte balíček modelu ve formě image Dockeru nebo kontextu sestavení Souboru Dockeru.

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

Parametry

Name	Description
workspace Vyžadováno	Workspace Pracovní prostor, ve kterém se má balíček vytvořit.
models Vyžadováno	list[Model] Seznam objektů modelu, které se mají zahrnout do balíčku. Může to být prázdný seznam.
inference_config	InferenceConfig InferenceConfig objekt pro konfiguraci operace modelů. Musí obsahovat objekt prostředí. Default value: None
generate_dockerfile	bool Určuje, jestli chcete vytvořit soubor Dockerfile, který se dá spustit místně místo sestavení image. Default value: False
image_name	str Při vytváření image je název výsledného obrázku. Default value: None
image_label	str Při vytváření obrázku je popisek výsledného obrázku. Default value: None

Návraty

Typ	Description
ModelPackage	Objekt ModelPackage.

print_configuration

Vytiskněte konfiguraci uživatele.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parametry

Name	Description
models Vyžadováno	list[Model] Seznamobjektůch Může to být prázdný seznam.
inference_config Vyžadováno	InferenceConfig Objekt InferenceConfig sloužící k určení požadovaných vlastností modelu.
deployment_config Vyžadováno	WebserviceDeploymentConfiguration A WebserviceDeploymentConfiguration used to configure the webservice.
deployment_target Vyžadováno	ComputeTarget A ComputeTarget pro nasazení webové služby do.

profile

Profiluje model a získá doporučení k požadavkům na prostředky.

Jedná se o dlouhotrvající operaci, která může v závislosti na velikosti datové sady trvat až 25 minut.

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

Parametry

Name	Description
workspace Vyžadováno	Workspace Objekt pracovního prostoru, ve kterém chcete profilovat model.
profile_name Vyžadováno	str Název spuštění profilace.
models Vyžadováno	list[Model] Seznamobjektůch Může to být prázdný seznam.
inference_config Vyžadováno	InferenceConfig Objekt InferenceConfig sloužící k určení požadovaných vlastností modelu.
input_dataset Vyžadováno	Dataset Vstupní datová sada pro profilaci. Vstupní datová sada by měla mít jeden sloupec a ukázkové vstupy by měly být ve formátu řetězce.
cpu	float Počet jader procesoru, která se mají použít v největší testovací instanci. V současné době podporují hodnoty až 3,5. Default value: None
memory_in_gb	float Velikost paměti (v GB) pro použití v největší testovací instanci. Může to být desetinné číslo. V současné době podporují hodnoty až 15,0. Default value: None
description	str Popis, který se má přidružit ke spuštění profilace Default value: None

Návraty

Typ	Description
ModelProfile

Výjimky

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

register

Zaregistrujte model v poskytnutém pracovním prostoru.

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)

Parametry

Name	Description
workspace Vyžadováno	Workspace Pracovní prostor pro registraci modelu.
model_path Vyžadováno	str Cesta v místním systému souborů, kde jsou umístěné prostředky modelu. Může to být přímý ukazatel na jeden soubor nebo složku. Pokud odkazuje na složku, `child_paths` lze parametr použít k určení jednotlivých souborů, které se mají seskupit jako objekt Model, na rozdíl od použití celého obsahu složky.
model_name Vyžadováno	str Název registrace modelu.
tags	dict(<xref:{str : str}>) Volitelný slovník značek klíčových hodnot, které se mají přiřadit k modelu. Default value: None
properties	dict(<xref:{str : str}>) Volitelný slovník vlastností klíč-hodnota, které se mají přiřadit k modelu. Tyto vlastnosti nelze po vytvoření modelu změnit, ale je možné přidat nové páry klíč-hodnota. Default value: None
description	str Textový popis modelu. Default value: None
datasets	list[(str, AbstractDataset)] Seznam řazených kolekcí členů, kde první prvek popisuje vztah modelu datové sady a druhý prvek je datová sada. Default value: None
model_framework	str Architektura registrovaného modelu. Použití systémově podporovaných konstant ze Framework třídy umožňuje zjednodušené nasazení pro některé oblíbené architektury. Default value: None
model_framework_version	str Verze architektury registrovaného modelu. Default value: None
child_paths	list[str] Pokud je k dispozici ve spojení se `model_path` složkou, budou do objektu Model spojeny pouze zadané soubory. Default value: None
sample_input_dataset	AbstractDataset Ukázková vstupní datová sada zaregistrovaného modelu Default value: None
sample_output_dataset	AbstractDataset Ukázková výstupní datová sada zaregistrovaného modelu Default value: None
resource_configuration	ResourceConfiguration Konfigurace prostředků pro spuštění registrovaného modelu Default value: None

Návraty

Typ	Description
Model	Registrovaný objekt modelu.

Poznámky

Kromě obsahu samotného souboru modelu ukládá zaregistrovaný model také metadata modelu, včetně popisu modelu, značek a informací o architektuře, které jsou užitečné při správě a nasazení modelu ve vašem pracovním prostoru. Pomocí značek můžete například kategorizovat modely a použít filtry při výpisu modelů v pracovním prostoru.

Následující ukázka ukazuje, jak zaregistrovat model určující značky a popis.


   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)

Pokud máte model vytvořený v důsledku spuštění experimentu, můžete ho zaregistrovat přímo z objektu spuštění, aniž byste ho napřed stáhli do místního souboru. Chcete-li to provést, použijte metodu register_model , jak je zdokumentovaná ve Run třídě.

remove_tags

Odeberte zadané klíče ze slovníku značek tohoto modelu.

remove_tags(tags)

Parametry

Name	Description
tags Vyžadováno	list[str] Seznam klíčů, které se mají odebrat

serialize

Převeďte tento model na serializovaný slovník JSON.

serialize()

Návraty

Typ	Description
dict	Reprezentace tohoto modelu ve formátu JSON

update

Proveďte místní aktualizaci modelu.

Stávající hodnoty zadaných parametrů se nahradí.

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

Parametry

Name	Description
tags	dict(<xref:{str : str}>) Slovník značek pro aktualizaci modelu. Tyto značky nahrazují existující značky modelu. Default value: None
description	str Nový popis, který se má použít pro model. Tento název nahradí existující název. Default value: None
sample_input_dataset	AbstractDataset Ukázková vstupní datová sada, která se má použít pro registrovaný model. Tato ukázková vstupní datová sada nahrazuje existující datovou sadu. Default value: None
sample_output_dataset	AbstractDataset Ukázková výstupní datová sada, která se má použít pro registrovaný model. Tato ukázková výstupní datová sada nahrazuje existující datovou sadu. Default value: None
resource_configuration	ResourceConfiguration Konfigurace prostředků, která se má použít ke spuštění registrovaného modelu. Default value: None

Výjimky

Typ	Description
WebserviceException

update_tags_properties

Proveďte aktualizaci značek a vlastností modelu.

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

Parametry

Name	Description
add_tags	dict(<xref:{str : str}>) Slovník značek, které chcete přidat. Default value: None
remove_tags	list[str] Seznam názvů značek, které chcete odebrat. Default value: None
add_properties	dict(<xref:{str : str}>) Slovník vlastností, které chcete přidat. Default value: None

Výjimky

Typ	Description
WebserviceException

Váš názor

Byla tato stránka užitečná?

Sdílet prostřednictvím

Model Třída

Konstruktor

Parametry

Poznámky

Proměnné

Metody

add_dataset_references

Parametry

Výjimky

add_properties

Parametry

add_tags

Parametry

Výjimky

delete

Výjimky

deploy

Parametry

Návraty

Výjimky

deserialize

Parametry

Návraty

download

Parametry

Návraty

get_model_path

Parametry

Návraty

Výjimky

get_sas_urls

Návraty

list

Parametry

Návraty

Výjimky

package

Parametry

Návraty

print_configuration

Parametry

profile

Parametry

Návraty

Výjimky

register

Parametry

Návraty

Poznámky

remove_tags

Parametry

serialize

Návraty

update

Parametry

Výjimky

update_tags_properties

Parametry

Výjimky

Váš názor