az ml data
Hinweis
Diese Referenz ist Teil der ml-Erweiterung für die Azure CLI (Version 2.15.0 oder höher). Die Erweiterung wird automatisch installiert, wenn Sie einen Az ml-Datenbefehl zum ersten Mal ausführen. Weitere Informationen zu Erweiterungen
Verwalten von Azure ML-Datenressourcen.
Azure ML-Datenressourcen sind Verweise auf Dateien in Ihren Speicherdiensten oder öffentlichen URLs sowie alle entsprechenden Metadaten. Sie sind keine Kopien Ihrer Daten. Sie können diese Datenressourcen verwenden, um während der Modellschulung auf relevante Daten zuzugreifen und sie bereitzustellen oder die referenzierten Daten in Ihr Computeziel herunterzuladen.
Befehle
| Name | Beschreibung | Typ | Status |
|---|---|---|---|
| az ml data archive |
Archiv a data asset. |
Erweiterung | Allgemein verfügbar |
| az ml data create |
Erstellen Sie eine Datenressource in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch |
Erweiterung | Allgemein verfügbar |
| az ml data import |
Importieren sie Daten, und erstellen Sie eine Datenressource. |
Erweiterung | Vorschau |
| az ml data list |
Auflisten von Datenressourcen in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch |
Erweiterung | Allgemein verfügbar |
| az ml data list-materialization-status |
Zeigt den Status der Liste der Datenimport-Materialisierungsaufträge an, die Versionen einer Datenressource erstellen. |
Erweiterung | Vorschau |
| az ml data mount |
Stellen Sie eine bestimmte Datenressource in einen lokalen Pfad bereit. Derzeit wird nur Linux unterstützt. |
Erweiterung | Vorschau |
| az ml data restore |
Wiederherstellen einer archivierten Datenressource. |
Erweiterung | Allgemein verfügbar |
| az ml data share |
Freigeben einer bestimmten Datenressource von Arbeitsbereich zu Registrierung. |
Erweiterung | Vorschau |
| az ml data show |
Zeigt Details zu einer Datenressource in einem Arbeitsbereich/einer Registrierung an. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch |
Erweiterung | Allgemein verfügbar |
| az ml data update |
Aktualisieren einer Datenressource. |
Erweiterung | Allgemein verfügbar |
az ml data archive
Archiv a data asset.
Durch das Archivieren einer Datenressource wird sie standardmäßig in Listenabfragen (az ml data list) ausgeblendet. Sie können in Ihren Workflows weiterhin auf archivierte Datenressourcen verweisen und diese verwenden. Sie können entweder einen Datenobjektcontainer oder eine bestimmte Datenobjektversion archiven. Durch das Archivieren eines Datenobjektcontainers werden alle Versionen der Datenressource unter diesem Angegebenen Namen archiviert. Sie können eine archivierte Datenressource mithilfe von az ml data restore. Wenn der gesamte Datenobjektcontainer archiviert wird, können Sie keine einzelnen Versionen der Datenressource wiederherstellen . Sie müssen den Datenobjektcontainer wiederherstellen.
az ml data archive --name
[--label]
[--resource-group]
[--version]
[--workspace-name]Beispiele
Archivieren eines Datenobjektcontainers (archiviert alle Versionen dieser Datenressource)
az ml data archive --name my-env --resource-group my-resource-group --workspace-name my-workspaceArchivieren einer bestimmten Datenressourcenversion
az ml data archive --name my-env --version 1 --resource-group my-resource-group --workspace-name my-workspaceErforderliche Parameter
Name der Datenressource.
Optionale Parameter
Bezeichnung der Datenressource. Sich gegenseitig ausschließend mit version.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Version der Datenressource. Sich gegenseitig ausschließend mit Bezeichnung.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data create
Erstellen Sie eine Datenressource in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.
Datenressourcen können aus Dateien auf Ihrem lokalen Computer oder als Verweise auf Dateien im Cloudspeicher definiert werden. Die erstellte Datenressource wird im Arbeitsbereich/in der Registrierung unter dem angegebenen Namen und der angegebenen Version nachverfolgt.
Wenn Sie eine Datenressource aus Dateien auf Ihrem lokalen Computer erstellen möchten, geben Sie das Feld "Pfad" in Ihrer YAML-Konfiguration an. Azure ML lädt diese Dateien in den BLOB-Container hoch, der den Standarddatenspeicher des Arbeitsbereichs (mit dem Namen "workspaceblobstore") zurückgibt. Die erstellte Datenressource verweist dann auf diese hochgeladenen Daten.
Um eine Datenressource zu erstellen, die auf Dateien im Cloudspeicher verweist, geben Sie den Pfad zu den Dateien im Speicher in Ihrer YAML-Konfiguration an.
Sie können eine Datenressource auch direkt über eine Speicher-URL oder öffentliche URL erstellen. Geben Sie dazu die URL zum Feld "Pfad" in Ihrer YAML-Konfiguration an. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <my-registry-name> Option.
az ml data create [--datastore]
[--description]
[--file]
[--name]
[--no-wait]
[--path]
[--registry-name]
[--resource-group]
[--set]
[--skip-validation]
[--type {mltable, uri_file, uri_folder}]
[--version]
[--workspace-name]Beispiele
Erstellen einer Datenressource aus einer YAML-Spezifikationsdatei in einem Arbeitsbereich
az ml data create --file data.yml --resource-group my-resource-group --workspace-name my-workspaceErstellen einer Datenressource aus einer YAML-Spezifikationsdatei in einer Registrierung
az ml data create --file data.yml --registry-name my-registry-nameErstellen einer Datenressource ohne Verwenden einer YAML-Spezifikationsdatei in einem Arbeitsbereich
az ml data create --name my-data --version 1 --path ./my-data.csv --resource-group my-resource-group --workspace-name my-workspaceErstellen einer Datenressource ohne Verwendung einer YAML-Spezifikationsdatei in einer Registrierung
az ml data create --name my-data --version 1 --path ./my-data.csv --registry-name my-registry-nameOptionale Parameter
Der Datenspeicher, in den das lokale Artefakt hochgeladen werden soll.
Beschreibung der Datenressource.
Lokaler Pfad zur YAML-Datei, die die Azure ML-Datenspezifikation enthält. Die YAML-Referenzdokumente für Daten finden Sie unter: https://aka.ms/ml-cli-v2-data-yaml-reference.
Name der Datenressource. Erforderlich, wenn --registry-name angegeben wird.
Warten Sie nicht, bis der lange ausgeführte Vorgang abgeschlossen ist. Der Standardwert lautet False.
Der Pfad zur Datenressource kann lokal oder remote sein.
Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=.
Überspringen Sie die Überprüfung von MLTable-Metadaten, wenn der Typ MLTable ist.
Typ der Datenressource.
Version der Datenressource. Erforderlich, wenn --registry-name angegeben wird.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data import
Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus
Importieren sie Daten, und erstellen Sie eine Datenressource.
Datenressource kann erstellt werden, indem zuerst Daten aus der Datenbank oder dem Dateisystem in den Cloudspeicher importiert werden. Die erstellte Datenressource wird im Arbeitsbereich unter dem angegebenen Namen und der angegebenen Version nachverfolgt.
Geben Sie 'Abfrage' der Datenbanktabelle oder 'Pfad' für Dateisystemfelder in Ihrer YAML-Konfiguration an. Azure ML führt einen Auftrag aus, um die Daten zuerst in den Cloudspeicher zu kopieren.
az ml data import --resource-group
--workspace-name
[--datastore]
[--description]
[--file]
[--name]
[--path]
[--set]
[--skip-validation]
[--type {mltable, uri_file, uri_folder}]
[--version]Beispiele
Importieren einer Datenressource aus einer YAML-Spezifikationsdatei
az ml data import --file dataimport.yml --resource-group my-resource-group --workspace-name my-workspaceErforderliche Parameter
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Optionale Parameter
Der Datenspeicher, in den das lokale Artefakt hochgeladen werden soll.
Beschreibung der Datenressource.
Lokaler Pfad zur YAML-Datei, die die Azure ML-Datenspezifikation enthält. Die YAML-Referenzdokumente für Daten finden Sie unter: https://aka.ms/ml-cli-v2-data-yaml-reference.
Name der Datenressource.
Pfad zur Datenressource im Cloudspeicher.
Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=.
Überspringen Sie die Überprüfung der Computeressource, auf die durch den zugrunde liegenden Datenimportmaterialisierungsauftrag verwiesen wird.
Typ der Datenressource.
Version der Datenressource.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data list
Auflisten von Datenressourcen in einem Arbeitsbereich/einer Registrierung. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.
az ml data list [--archived-only]
[--include-archived]
[--max-results]
[--name]
[--registry-name]
[--resource-group]
[--workspace-name]Beispiele
Auflisten aller Datenressourcen in einem Arbeitsbereich
az ml data list --resource-group my-resource-group --workspace-name my-workspaceAuflisten aller Datenobjektversionen für den angegebenen Namen in einem Arbeitsbereich
az ml data list --name my-data --resource-group my-resource-group --workspace-name my-workspaceAuflisten aller Datenobjekte in einem Arbeitsbereich mithilfe des Arguments --query zum Ausführen einer JMESPath-Abfrage für die Ergebnisse von Befehlen.
az ml data list --query "[].{Name:name}" --output table --resource-group my-resource-group --workspace-name my-workspaceAuflisten aller Datenressourcen in einer Registrierung
az ml data list --registry-name my-registry-nameAuflisten aller Datenobjektversionen für den angegebenen Namen in einer Registrierung
az ml data list --name my-data --registry-name my-registry-nameOptionale Parameter
Nur archivierte Datenressourcen auflisten.
Auflisten archivierter Datenressourcen und aktiver Datenressourcen.
Maximale Anzahl der zurückzugebenden Ergebnisse.
Name der Datenressource. Wenn angegeben, werden alle Datenversionen unter diesem Namen zurückgegeben.
Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data list-materialization-status
Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus
Zeigt den Status der Liste der Datenimport-Materialisierungsaufträge an, die Versionen einer Datenressource erstellen.
az ml data list-materialization-status --resource-group
--workspace-name
[--all-results {false, true}]
[--archived-only]
[--include-archived]
[--max-results]
[--name]Beispiele
Anzeigen des Materialisierungsstatus einer Datenressource aus einer YAML-Spezifikationsdatei
az ml data list-materialization-status --name asset-name --resource-group my-resource-group --workspace-name my-workspaceErforderliche Parameter
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Optionale Parameter
Gibt alle Ergebnisse zurück.
Nur archivierte Aufträge auflisten.
Auflisten archivierter Aufträge und aktiver Aufträge.
Maximale Anzahl der zurückzugebenden Ergebnisse. Standard ist 50.
Name der Ressource. Listet alle Materialisierungsaufträge auf, die Versionen der Ressource erstellen, die mit dem angegebenen Namen übereinstimmen.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data mount
Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus
Stellen Sie eine bestimmte Datenressource in einen lokalen Pfad bereit. Derzeit wird nur Linux unterstützt.
az ml data mount --path
[--mode]
[--mount-point]
[--persistent]
[--resource-group]
[--workspace-name]Beispiele
Bereitstellen einer Datenobjektversion mit named Asset URI
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml:my_urifolder:1Bereitstellen einer Datenobjektversion mit vollständigem AzureML-URI
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml://subscriptions/my-sub-id/resourcegroups/my-rg/workspaces/myworkspace/data/some_data/versions/5Bereitstellen aller Versionen einer Datenressource mit named Asset URI
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml:my_urifolderBereitstellen aller Versionen einer Datenressource mit vollständigem AzureML-URI
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path azureml://subscriptions/my-sub-id/resourcegroups/my-rg/workspaces/myworkspace/data/some_dataBereitstellen von Daten auf öffentlichem HTTP(s) Server nach URL
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csvBereitstellen von Daten in Azure über die Azure Blob Storage-URL
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path https://<account_name>.blob.core.windows.net/<container_name>/<path>Bereitstellen von Daten in Azure durch Azure Data Lake Storage Gen 2-URL
az ml data mount --mount-point /mnt/my-data --mode ro_mount --path abfss://<file_system>@<account_name>.dfs.core.windows.net/<path>Erforderliche Parameter
Der Datenobjektpfad, der bereitgestellt werden soll, in Form oder azureml:<name>azureml:<name>:<version>.
Optionale Parameter
Bereitstellungsmodus. Nur ro_mount (schreibgeschützt) wird für die Datenressource-Bereitstellung unterstützt.
Ein lokaler Pfad, der als Bereitstellungspunkt verwendet wird.
Stellen Sie sicher, dass die Bereitstellung über Neustarts hinweg beibehalten wird. Wird nur für Computeinstanz unterstützt.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data restore
Wiederherstellen einer archivierten Datenressource.
Wenn eine archivierte Datenressource wiederhergestellt wird, wird sie nicht mehr in Listenabfragen (az ml data list) ausgeblendet. Wenn ein vollständiger Datenobjektcontainer archiviert wird, können Sie diesen archivierten Container wiederherstellen. Dadurch werden alle Versionen der Datenressource unter diesem angegebenen Namen wiederhergestellt. Sie können nicht nur eine bestimmte Datenobjektversion wiederherstellen, wenn der gesamte Datenobjektcontainer archiviert wird . Sie müssen den gesamten Container wiederherstellen. Wenn nur eine einzelne Datenobjektversion archiviert wurde, können Sie diese bestimmte Version wiederherstellen.
az ml data restore --name
[--label]
[--resource-group]
[--version]
[--workspace-name]Beispiele
Wiederherstellen eines archivierten Datenobjektcontainers (stellt alle Versionen dieses Datenobjekts wieder her)
az ml data restore --name my-env --resource-group my-resource-group --workspace-name my-workspaceWiederherstellen einer bestimmten Version der archivierten Datenressource
az ml data restore --name my-env --version 1 --resource-group my-resource-group --workspace-name my-workspaceErforderliche Parameter
Name der Datenressource.
Optionale Parameter
Bezeichnung der Datenressource. Sich gegenseitig ausschließend mit version.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Version der Datenressource. Sich gegenseitig ausschließend mit Bezeichnung.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data share
Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus
Freigeben einer bestimmten Datenressource von Arbeitsbereich zu Registrierung.
Kopieren Sie eine vorhandene Datenressource aus einem Arbeitsbereich in eine Registrierung, um die arbeitsbereichübergreifende Wiederverwendung zu erhalten.
az ml data share --name
--registry-name
--resource-group
--share-with-name
--share-with-version
--version
--workspace-nameBeispiele
Freigeben einer vorhandenen Datenressource vom Arbeitsbereich für die Registrierung
az ml data share --name my-data --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-registryErforderliche Parameter
Name der Datenressource.
Zielregistrierung.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Name der zu erstellenden Datenressource.
Version der zu erstellenden Datenressource.
Version der Datenressource.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data show
Zeigt Details zu einer Datenressource in einem Arbeitsbereich/einer Registrierung an. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.
az ml data show --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]Beispiele
Anzeigen von Details zu einer Datenressource mit dem angegebenen Namen und der angegebenen Version in einem Arbeitsbereich
az ml data show --name my-data --version 1 --resource-group my-resource-group --workspace-name my-workspaceAnzeigen von Details für eine Datenressource mit dem angegebenen Namen und der angegebenen Bezeichnung
az ml data show --name my-data --label latest --resource-group my-resource-group --workspace-name my-workspaceAnzeigen von Details zu einer Datenressource mit dem angegebenen Namen und der angegebenen Version in einer Registrierung
az ml data show --name my-data --version 1 --registry-name my-registry-nameErforderliche Parameter
Name der Datenressource.
Optionale Parameter
Bezeichnung der Datenressource. Muss angegeben werden, wenn keine Version bereitgestellt wird. Sich gegenseitig ausschließend mit version.
Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Version der Datenressource. Muss angegeben werden, wenn das Etikett nicht angegeben wird. Sich gegenseitig ausschließend mit Bezeichnung.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
az ml data update
Aktualisieren einer Datenressource.
Nur die Eigenschaften "description" und "tags" können aktualisiert werden.
az ml data update --name
--resource-group
--workspace-name
[--add]
[--force-string]
[--label]
[--registry-name]
[--remove]
[--set]
[--version]Erforderliche Parameter
Name der Datenressource.
Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.
Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.
Optionale Parameter
Fügen Sie einer Liste von Objekten ein Objekt hinzu, indem Sie ein Pfad- und Schlüsselwertpaar angeben. Beispiel: --add property.listProperty <key=value, string or JSON string>.
Wenn Sie "set" oder "add" verwenden, behalten Sie Zeichenfolgenliterale bei, anstatt zu versuchen, in JSON zu konvertieren.
Bezeichnung der Datenressource. Muss angegeben werden, wenn keine Version bereitgestellt wird. Sich gegenseitig ausschließend mit version.
Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich. Muss angegeben werden, wenn "--workspace-name" und "-resource-group" nicht angegeben werden.
Entfernen sie eine Eigenschaft oder ein Element aus einer Liste. Beispiel: --remove property.list <indexToRemove> ODER --remove propertyToRemove.
Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=<value>.
Version der Datenressource. Muss angegeben werden, wenn das Etikett nicht angegeben wird. Sich gegenseitig ausschließend mit Bezeichnung.
Globale Parameter
Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.
Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.
Nur Fehler anzeigen und Warnungen unterdrücken.
Ausgabeformat.
JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.
Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.
Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.
Feedback
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter https://aka.ms/ContentUserFeedback.
Feedback senden und anzeigen für