BatchEndpointOperations Klasse

BatchEndpointOperations.

Sie sollten diese Klasse nicht direkt instanziieren. Stattdessen sollten Sie eine MLClient-instance erstellen, die ihn für Sie instanziiert und als Attribut anfügen.

Vererbung

azure.ai.ml._scope_dependent_operations._ScopeDependentOperations

BatchEndpointOperations

Konstruktor

BatchEndpointOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_05_2022: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)

Parameter

operation_scope

<xref:azure.ai.ml._scope_dependent_operations.OperationScope>

Erforderlich

Bereichsvariablen für die Vorgangsklassen eines MLClient-Objekts.

operation_config

<xref:azure.ai.ml._scope_dependent_operations.OperationConfig>

Erforderlich

Allgemeine Konfiguration für Betriebsklassen eines MLClient-Objekts.

service_client_05_2022

<xref:<xref:azure.ai.ml._restclient.v2022_05_01._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>>

Erforderlich

Dienstclient, um Endbenutzern das Arbeiten mit Azure Machine Learning-Arbeitsbereichsressourcen zu ermöglichen.

all_operations

<xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>

Erforderlich

Alle Vorgangsklassen eines MLClient-Objekts.

credentials

TokenCredential

Standardwert: None

Anmeldeinformationen, die für die Authentifizierung verwendet werden sollen.

Methoden

begin_create_or_update	Erstellen oder Aktualisieren eines Batchendpunkts
begin_delete	Löschen sie einen Batchendpunkt.
get	Rufen Sie eine Endpunktressource ab.
invoke	Ruft den Batchendpunkt mit der angegebenen Nutzlast auf.
list	Auflisten der Endpunkte des Arbeitsbereichs.
list_jobs	Listet Aufträge unter der bereitgestellten Batchendpunktbereitstellung auf. Dies ist nur für Batchendpunkte gültig.

begin_create_or_update

Erstellen oder Aktualisieren eines Batchendpunkts

begin_create_or_update(endpoint: BatchEndpoint) -> LROPoller[BatchEndpoint]

Parameter

endpoint

BatchEndpoint

Erforderlich

Die Endpunktentität.

Gibt zurück

Ein Poller zum Nachverfolgen des Vorgangs status.

Rückgabetyp

LROPoller[BatchEndpoint]

Beispiele

Beispiel zum Erstellen eines Endpunkts.

   from azure.ai.ml.entities import BatchEndpoint

   endpoint_example = BatchEndpoint(name=endpoint_name_2)
   ml_client.batch_endpoints.begin_create_or_update(endpoint_example)

begin_delete

Löschen sie einen Batchendpunkt.

begin_delete(name: str) -> LROPoller[None]

Parameter

name

str

Erforderlich

Name des Batchendpunkts.

Gibt zurück

Ein Poller zum Nachverfolgen des Vorgangs status.

Rückgabetyp

LROPoller[None]

Beispiele

Beispiel zum Löschen eines Endpunkts.

   ml_client.batch_endpoints.begin_delete(endpoint_name)

get

Rufen Sie eine Endpunktressource ab.

get(name: str) -> BatchEndpoint

Parameter

name

str

Erforderlich

Name des Endpunkts.

Gibt zurück

Aus dem Dienst abgerufenes Endpunktobjekt.

Rückgabetyp

BatchEndpoint

Beispiele

Beispiel zum Abrufen eines Endpunkts.

   ml_client.batch_endpoints.get(endpoint_name)

invoke

Ruft den Batchendpunkt mit der angegebenen Nutzlast auf.

invoke(endpoint_name: str, *, deployment_name: str | None = None, inputs: Dict[str, Input] | None = None, **kwargs) -> BatchJob

Parameter

endpoint_name

str

Erforderlich

Der Endpunktname.

deployment_name

str

(Optional) Der Name einer bestimmten bereitstellung, die aufgerufen werden soll. Diese Eingabe ist optional. Standardmäßig werden Anforderungen gemäß den Datenverkehrsregeln an eine der Bereitstellungen weitergeleitet.

inputs

Dict[str, Input]

(Optional) Ein Wörterbuch der vorhandenen Datenressource, der öffentlichen URI-Datei oder des Ordners, die mit der Bereitstellung verwendet werden soll

Gibt zurück

Der aufgerufene Batchbereitstellungsauftrag.

Rückgabetyp

BatchJob

Ausnahmen

ValidationException

Wird ausgelöst, wenn die Bereitstellung nicht erfolgreich überprüft werden kann. Details werden in der Fehlermeldung angegeben.

AssetException

Wird ausgelöst, wenn BatchEndpoint-Ressourcen (z. B. Daten, Code, Modell, Umgebung) nicht erfolgreich überprüft werden können. Details werden in der Fehlermeldung angegeben.

ModelException

Wird ausgelöst, wenn das BatchEndpoint-Modell nicht erfolgreich überprüft werden kann. Details werden in der Fehlermeldung angegeben.

EmptyDirectoryError

Wird ausgelöst, wenn der angegebene lokale Pfad auf ein leeres Verzeichnis verweist.

Beispiele

Beispiel zum Aufrufen eines Endpunkts.

   ml_client.batch_endpoints.invoke(endpoint_name_2)

list

Auflisten der Endpunkte des Arbeitsbereichs.

list() -> ItemPaged[BatchEndpoint]

Gibt zurück

Eine Liste von Endpunkten

Rückgabetyp

ItemPaged[BatchEndpoint]

Beispiele

Listenbeispiel.

   ml_client.batch_endpoints.list()

list_jobs

Listet Aufträge unter der bereitgestellten Batchendpunktbereitstellung auf. Dies ist nur für Batchendpunkte gültig.

list_jobs(endpoint_name: str) -> ItemPaged[BatchJob]

Parameter

endpoint_name

str

Erforderlich

Der Endpunktname

Gibt zurück

Liste der Aufträge

Rückgabetyp

ItemPaged[BatchJob]

Beispiele

Beispiel für Listenaufträge.

   ml_client.batch_endpoints.list_jobs(endpoint_name_2)