Freigeben über


az ml model

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-Modellbefehl zum ersten Mal ausführen. Weitere Informationen zu Erweiterungen

Verwalten von Azure ML-Modellen.

Azure ML-Modelle bestehen aus den Binärdateien, die ein Machine Learning-Modell und alle entsprechenden Metadaten darstellen. Diese Modelle können in Endpunktbereitstellungen für Echtzeit- und Batch-Rückschlüsse verwendet werden.

Befehle

Name Beschreibung Typ Status
az ml model archive

Archiv a model.

Erweiterung Allgemein verfügbar
az ml model create

Erstellen Sie ein Modell.

Erweiterung Allgemein verfügbar
az ml model download

Laden Sie alle modellbezogenen Dateien herunter.

Erweiterung Allgemein verfügbar
az ml model list

Listenmodelle in einem Arbeitsbereich/einer Registrierung auf. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

Erweiterung Allgemein verfügbar
az ml model package

Packen Sie ein Modell in eine Umgebung.

Erweiterung Vorschau
az ml model restore

Wiederherstellen eines archivierten Modells.

Erweiterung Allgemein verfügbar
az ml model share

Freigeben eines bestimmten Modells von Arbeitsbereich zu Registrierung.

Erweiterung Allgemein verfügbar
az ml model show

Zeigen Sie Details zu einem Modell 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.

Erweiterung Allgemein verfügbar
az ml model update

Aktualisieren eines Modells in einem Arbeitsbereich/einer Registrierung.

Erweiterung Allgemein verfügbar

az ml model archive

Archiv a model.

Wenn Sie ein Modell archivieren, wird es standardmäßig in Listenabfragen (az ml model list) ausgeblendet. Sie können weiterhin auf ein archiviertes Modell in Ihren Workflows verweisen und dieses verwenden. Sie können entweder einen Modellcontainer oder eine bestimmte Modellversion archiven. Durch das Archivieren eines Modellcontainers werden alle Versionen des Modells unter diesem Angegebenen Namen archiviert. Sie können ein archiviertes Modell mithilfe von az ml model restore. Wenn der gesamte Modellcontainer archiviert wird, können Sie einzelne Versionen des Modells nicht wiederherstellen . Sie müssen den Modellcontainer wiederherstellen.

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

Beispiele

Archivieren eines Modellcontainers (archiviert alle Versionen dieses Modells)

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

Archiv a specific model version

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

Erforderliche Parameter

--name -n

Name des Modells.

Optionale Parameter

--label -l

Beschriftung des Modells.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--version -v

Version des Modells.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model create

Erstellen Sie ein Modell.

Modelle können aus einer lokalen Datei, einem lokalen Verzeichnis, einem Datenspeicher oder einer Auftragsausgabe erstellt werden. Das erstellte Modell wird im Arbeitsbereich/in der Registrierung unter dem angegebenen Namen und der angegebenen Version nachverfolgt. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

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

Beispiele

Erstellen eines Modells aus einer YAML-Spezifikationsdatei

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

Erstellen eines Modells aus einem lokalen Ordner mithilfe von Befehlsoptionen

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

Erstellen eines Modells mit mlflow-Ausführungs-URI-Format 'runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/' und Befehlsoptionen

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

Erstellen Sie ein Modell aus einer benannten Auftragsausgabe mithilfe des Azureml-Auftrags-URI-Formats "azureml://jobs/<job-name>/outputs/<named-output>/paths/<path-to-model-relative-to-the-named-output-location>" und Befehlsoptionen. Die standardmäßige benannte Ausgabe ist Artefakte.

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

Erstellen eines Modells aus einem Datenspeicher "azureml://datastores/<datastore-name>/pfade/<path-to-model-relative-to-the-root-of-the-datastore-location>" mithilfe von Befehlsoptionen

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

Optionale Parameter

--datastore

Der Datenspeicher, in den das lokale Artefakt hochgeladen werden soll.

--description

Beschreibung des Modells.

--file -f

Lokaler Pfad zur YAML-Datei, die die Azure ML-Modellspezifikation enthält. Die YAML-Referenzdokumente für das Modell finden Sie unter: https://aka.ms/ml-cli-v2-model-yaml-reference.

--name -n

Name des Modells.

--no-wait

Nicht auf den Abschluss lang andauernder Vorgänge warten

Standardwert: False
--path -p

Pfad zur Modelldatei(n). Dies kann entweder ein lokaler oder ein Remotestandort sein. Falls angegeben, muss auch "-name/-n" und "-version/-v" angegeben werden.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--set

Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=.

--stage -s

Phase des Modells.

--tags

Leerzeichentrennte Schlüssel-Wert-Paare für die Tags des Objekts.

--type -t

Typ des Modells, zulässige Werte sind custom_model, mlflow_model und triton_model. Der Standardtyp ist custom_model.

--version -v

Version des Modells.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model download

Laden Sie alle modellbezogenen Dateien herunter.

Die Dateien werden in einen Ordner heruntergeladen, der nach dem Namen des Modells benannt ist. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

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

Beispiele

Herunterladen eines Modells mit dem angegebenen Namen und der angegebenen Version

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

Herunterladen eines Modells mit dem angegebenen Namen und der angegebenen Version in einen angegebenen lokalen Pfad

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

Erforderliche Parameter

--name -n

Name des Modells.

--version -v

Version des Modells.

Optionale Parameter

--download-path -p

Der Pfad zum Herunterladen der Modelldateien ist standardmäßig im aktuellen Arbeitsverzeichnis enthalten.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model list

Listenmodelle in einem Arbeitsbereich/einer Registrierung auf. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

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

Beispiele

Auflisten aller Modelle in einem Arbeitsbereich

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

Auflisten aller Modellversionen für den angegebenen Namen in einem Arbeitsbereich

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

Auflisten aller Modelle in einem Arbeitsbereich mithilfe des Arguments --query zum Ausführen einer JMESPath-Abfrage für die Ergebnisse von Befehlen.

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

Optionale Parameter

--archived-only

Nur archivierte Modelle auflisten.

Standardwert: False
--include-archived

Auflisten archivierter Modelle und aktiver Modelle.

Standardwert: False
--max-results -r

Maximale Anzahl der zurückzugebenden Ergebnisse.

--name -n

Name des Modells. Wenn angegeben, werden alle Modellversionen unter diesem Namen zurückgegeben.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--stage -s

Phase des Modells.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model package

Vorschau

Dieser Befehl befindet sich in der Vorschau und in der Entwicklung. Referenz- und Supportebenen: https://aka.ms/CLI_refstatus

Packen Sie ein Modell in eine Umgebung.

Wenn ein Modell gepackt wird, wird eine Umgebung mit allen Abhängigkeiten erstellt.

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

Beispiele

Packen eines Modells mit dem angegebenen Namen und der angegebenen Version

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

Erforderliche Parameter

--file -f

Lokaler Pfad zur YAML-Datei, die die Modellpaketdefinition enthält.

--name -n

Name des Modells.

--version -v

Version des Modells.

Optionale Parameter

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model restore

Wiederherstellen eines archivierten Modells.

Wenn ein archiviertes Modell wiederhergestellt wird, wird es nicht mehr in Listenabfragen (az ml model list) ausgeblendet. Wenn ein vollständiger Modellcontainer archiviert wird, können Sie diesen archivierten Container wiederherstellen. Dadurch werden alle Versionen des Modells unter diesem Angegebenen Namen wiederhergestellt. Sie können nur eine bestimmte Modellversion wiederherstellen, wenn der gesamte Modellcontainer archiviert ist . Sie müssen den gesamten Container wiederherstellen. Wenn nur eine einzelne Modellversion archiviert wurde, können Sie diese bestimmte Version wiederherstellen.

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

Beispiele

Wiederherstellen eines archivierten Modellcontainers (stellt alle Versionen dieses Modells wieder her)

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

Wiederherstellen einer bestimmten archivierten Modellversion

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

Erforderliche Parameter

--name -n

Name des Modells.

Optionale Parameter

--label -l

Beschriftung des Modells.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--version -v

Version des Modells.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model share

Freigeben eines bestimmten Modells von Arbeitsbereich zu Registrierung.

Kopieren Sie ein vorhandenes Modell aus einem Arbeitsbereich in eine Registrierung für die Wiederverwendung von Arbeitsbereichen.

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

Beispiele

Freigeben einer vorhandenen Umgebung von Arbeitsbereich zu Registrierung

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

Erforderliche Parameter

--name -n

Name des Modells.

--registry-name

Zielregistrierung.

--share-with-name

Der Name des Modells, mit dem erstellt werden soll.

--share-with-version

Version des Modells, mit dem erstellt werden soll.

--version -v

Version des Modells.

Optionale Parameter

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model show

Zeigen Sie Details zu einem Modell 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 model show --name
                 [--label]
                 [--registry-name]
                 [--resource-group]
                 [--version]
                 [--workspace-name]

Beispiele

Anzeigen von Details für ein Modell mit dem angegebenen Namen und der angegebenen Version

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

Erforderliche Parameter

--name -n

Name des Modells.

Optionale Parameter

--label -l

Beschriftung des Modells.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

--version -v

Version des Modells.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.

az ml model update

Aktualisieren eines Modells in einem Arbeitsbereich/einer Registrierung.

Die Eigenschaften "description" und "tags" können aktualisiert werden. Wenn Sie eine Registrierung verwenden, ersetzen Sie diese durch --workspace-name my-workspace die --registry-name <registry-name> Option.

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

Beispiele

Aktualisieren der Aromen eines Modells

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

Erforderliche Parameter

--name -n

Name des Modells.

--resource-group -g

Name der Ressourcengruppe Sie können die Standardgruppe mit az configure --defaults group=<name> konfigurieren.

Optionale Parameter

--add

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>.

Standardwert: []
--force-string

Wenn Sie "set" oder "add" verwenden, behalten Sie Zeichenfolgenliterale bei, anstatt zu versuchen, in JSON zu konvertieren.

Standardwert: False
--label -l

Beschriftung des Modells.

--registry-name

Wenn angegeben, zielt der Befehl auf die Registrierung anstelle eines Arbeitsbereichs ab. Daher sind Ressourcengruppen und Arbeitsbereiche nicht erforderlich.

--remove

Entfernen sie eine Eigenschaft oder ein Element aus einer Liste. Beispiel: --remove property.list <indexToRemove> ODER --remove propertyToRemove.

Standardwert: []
--set

Aktualisieren Sie ein Objekt, indem Sie einen festzulegenden Eigenschaftspfad und -wert angeben. Beispiel: --set property1.property2=<value>.

Standardwert: []
--stage -s

Phase des Modells.

--version -v

Version des Modells.

--workspace-name -w

Name des Azure ML-Arbeitsbereichs. Sie können den Standardarbeitsbereich mithilfe von az configure --defaults workspace=<name>.

Globale Parameter
--debug

Ausführlichkeit der Protokollierung erhöhen, um alle Debugprotokolle anzuzeigen.

--help -h

Zeigen Sie diese Hilfemeldung an, und schließen Sie sie.

--only-show-errors

Nur Fehler anzeigen und Warnungen unterdrücken.

--output -o

Ausgabeformat.

Zulässige Werte: json, jsonc, none, table, tsv, yaml, yamlc
Standardwert: json
--query

JMESPath-Abfragezeichenfolge. Weitere Informationen und Beispiele finden Sie unter http://jmespath.org/.

--subscription

Der Name oder die ID des Abonnements. Sie können das standardmäßig verwendete Abonnement mittels az account set -s NAME_OR_ID konfigurieren.

--verbose

Ausführlichkeit der Protokollierung erhöhen. „--debug“ für vollständige Debugprotokolle verwenden.