az ml model

Nota:

Esta referencia forma parte de la extensión azure-cli-ml para la CLI de Azure (versión 2.0.28 o posterior). La extensión instalará automáticamente la primera vez que ejecute un comando az ml model . Obtenga más información sobre las extensiones.

Administrar modelos de aprendizaje automático.

Comandos

Nombre	Description	Tipo	Estado
az ml model delete	Elimine un modelo del área de trabajo.	Extensión	GA
az ml model deploy	Implemente modelos desde el área de trabajo.	Extensión	GA
az ml model download	Descargue un modelo del área de trabajo.	Extensión	GA
az ml model list	Enumerar modelos en el área de trabajo.	Extensión	GA
az ml model package	Empaquetar un modelo en el área de trabajo.	Extensión	GA
az ml model profile	Generar perfiles de modelos en el área de trabajo.	Extensión	GA
az ml model register	Registre un modelo en el área de trabajo.	Extensión	GA
az ml model show	Mostrar un modelo en el área de trabajo.	Extensión	GA
az ml model update	Actualice un modelo en el área de trabajo.	Extensión	GA

az ml model delete

Elimine un modelo del área de trabajo.

az ml model delete --model-id
                   [--path]
                   [--resource-group]
                   [--subscription-id]
                   [--workspace-name]
                   [-v]

Parámetros requeridos

--model-id -i

Identificador del modelo que se va a eliminar.

Parámetros opcionales

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--subscription-id

Especifica el identificador de suscripción.

--workspace-name -w

Nombre del área de trabajo.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model deploy

Implemente modelos desde el área de trabajo.

az ml model deploy --name
                   [--ae]
                   [--ai]
                   [--ar]
                   [--as]
                   [--at]
                   [--autoscale-max-replicas]
                   [--autoscale-min-replicas]
                   [--base-image]
                   [--base-image-registry]
                   [--cc]
                   [--ccl]
                   [--cf]
                   [--collect-model-data]
                   [--compute-target]
                   [--compute-type]
                   [--cuda-version]
                   [--dc]
                   [--description]
                   [--dn]
                   [--ds]
                   [--ed]
                   [--eg]
                   [--entry-script]
                   [--environment-name]
                   [--environment-version]
                   [--failure-threshold]
                   [--gb]
                   [--gbl]
                   [--gc]
                   [--ic]
                   [--id]
                   [--key-name]
                   [--key-version]
                   [--kp]
                   [--ks]
                   [--lo]
                   [--max-request-wait-time]
                   [--model]
                   [--model-metadata-file]
                   [--namespace]
                   [--no-wait]
                   [--nr]
                   [--overwrite]
                   [--path]
                   [--period-seconds]
                   [--pi]
                   [--po]
                   [--property]
                   [--replica-max-concurrent-requests]
                   [--resource-group]
                   [--rt]
                   [--sc]
                   [--scoring-timeout-ms]
                   [--sd]
                   [--se]
                   [--sk]
                   [--sp]
                   [--st]
                   [--subnet-name]
                   [--subscription-id]
                   [--tag]
                   [--timeout-seconds]
                   [--token-auth-enabled]
                   [--tp]
                   [--vault-base-url]
                   [--version-name]
                   [--vnet-name]
                   [--workspace-name]
                   [-v]

Parámetros requeridos

--name -n

Nombre del servicio implementado.

Parámetros opcionales

--ae --auth-enabled

Indica si se debe habilitar o no la autenticación de clave para este Webservice. El valor predeterminado es False.

--ai --enable-app-insights

Indica si se debe habilitar o no AppInsights para este servicio web. El valor predeterminado es False.

--ar --autoscale-refresh-seconds

Frecuencia con la que el escalador automático debe intentar escalar este Webservice. De manera predeterminada, su valor es 1.

--as --autoscale-enabled

Indica si se debe habilitar o no la escalabilidad automática para este Webservice. El valor predeterminado es True si num_replicas es Ninguno.

--at --autoscale-target-utilization

Uso objetivo (en un porcentaje de 100) que el escalador automático debe intentar mantener para este Webservice. El valor predeterminado es 70.

--autoscale-max-replicas --ma

Número máximo de contenedores que se van a usar al escalar automáticamente este Webservice. El valor predeterminado es 10.

--autoscale-min-replicas --mi

Número mínimo de contenedores que se van a usar al escalar automáticamente este Webservice. De manera predeterminada, su valor es 1.

--base-image --bi

una imagen personalizada que se usará como imagen base. Si no se especifica ninguna imagen base, la imagen base se usará en función del parámetro de runtime proporcionado.

--base-image-registry --ir

registro de imágenes que contiene la imagen base.

--cc --cpu-cores

Número de núcleos de CPU que se asignarán a este Webservice. Puede ser un decimal. El valor predeterminado es 0,1.

--ccl --cpu-cores-limit

Número máximo de núcleos de CPU que puede usar este servicio web. Puede ser un decimal.

--cf --conda-file

ruta de acceso al archivo local que contiene una definición de entorno de conda que se usará para la imagen.

--collect-model-data --md

Indica si se debe habilitar o no la recopilación de datos del modelo para este Webservice. El valor predeterminado es False.

--compute-target --ct

Nombre del destino de proceso. Solo es aplicable al implementar en AKS.

--compute-type --cp

Tipo de proceso de servicio que se va a implementar.

--cuda-version --cv

versión de CUDA que se debe instalar para las imágenes que requieren compatibilidad con GPU. La imagen GPU se debe usar en servicios de Microsoft Azure como Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines y Azure Kubernetes Service. Las versiones compatibles son 9.0, 9.1 y 10.0. Si se establece "enable_gpu", el valor predeterminado es "9.1".

--dc --deploy-config-file

Ruta de acceso a un archivo JSON o YAML que contiene metadatos de implementación.

--description

Descripción del servicio implementado.

--dn --dns-name-label

Nombre dns de este servicio web.

--ds --extra-docker-file-steps

ruta de acceso al archivo local que contiene los pasos de Docker adicionales que se deben ejecutar al configurar la imagen.

--ed --environment-directory

Directorio del entorno de Azure Machine Learning para la implementación. Es la misma ruta de acceso de directorio que se proporciona en el comando "az ml environment scaffold".

--eg --enable-gpu

determina si se habilita o no la compatibilidad con GPU en la imagen. La imagen GPU se debe usar en servicios de Microsoft Azure como Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines y Azure Kubernetes Service. El valor predeterminado es False.

--entry-script --es

Ruta de acceso al archivo local que contiene el código que se va a ejecutar para el servicio (ruta de acceso relativa de source_directory si se proporciona una).

--environment-name -e

Nombre del entorno de Azure Machine Learning para la implementación.

--environment-version --ev

Versión de un entorno de Azure Machine Learning existente para la implementación.

--failure-threshold --ft

Cuando se inicia un pod y se produce un error en el sondeo de ejecución, Kubernetes probará los tiempos de umbral de error antes de renunciar. El valor predeterminado es 3. El valor mínimo es 1.

--gb --memory-gb

Cantidad de memoria (en GB) que se va a asignar a este servicio web. Puede ser un decimal.

--gbl --memory-gb-limit

Cantidad máxima de memoria (en GB) que puede usar este servicio web. Puede ser un decimal.

--gc --gpu-cores

Número de núcleos de GPU que se van a asignar para este servicio web. El valor predeterminado es 1.

--ic --inference-config-file

Ruta de acceso a un archivo JSON o YAML que contiene la configuración de inferencia.

--id --initial-delay-seconds

Número de segundos después de que se haya iniciado el contenedor antes de que se inicien los sondeos de ejecución. El valor predeterminado es 310.

--key-name

Nombre de clave para las propiedades de cifrado en claves administradas por el cliente (CMK) para ACI.

--key-version

Versión de clave para las propiedades de cifrado en claves administradas por el cliente (CMK) para ACI.

--kp --primary-key

Clave de autenticación principal que se usará para este Webservice.

--ks --secondary-key

Clave de autenticación secundaria que se usará para este Webservice.

--lo --location

Región de Azure en la que se implementará este servicio web. Si no se especifica, se usará la ubicación del área de trabajo. Puede encontrar más detalles sobre las regiones disponibles aquí: https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all& products=container-instances.

--max-request-wait-time --mr

Cantidad máxima de tiempo que permanecerá una solicitud en la cola (en milisegundos) antes de devolver un error 503. El valor predeterminado es 500.

--model -m

Identificador del modelo que se va a implementar. Se pueden especificar varios modelos con argumentos -m adicionales. Los modelos deben registrarse primero.

valor predeterminado: []

--model-metadata-file -f

Ruta de acceso a un archivo JSON que contiene metadatos de registro de modelos. Se pueden proporcionar varios modelos mediante varios parámetros -f.

valor predeterminado: []

--namespace

Espacio de nombres de Kubernetes en el que se va a implementar el servicio: hasta 63 caracteres alfanuméricos en minúsculas ('a'-'z', '0'-'9') y guiones ('-'). El primer y el último carácter no puede ser un guion. Solo es aplicable al implementar en AKS.

--no-wait

Marca para no esperar llamadas asincrónicas.

--nr --num-replicas

Número de contenedores que se asignarán a este Webservice. No tiene un valor predeterminado. Si no se establece este parámetro, el escalador automático se habilita de manera predeterminada.

--overwrite

Sobrescriba el servicio existente si el nombre entra en conflicto.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--period-seconds --ps

Frecuencia (en segundos) en que se ejecutará el sondeo de ejecución. El valor predeterminado es de 10 segundos. El valor mínimo es 1.

--pi --profile-input

Ruta de acceso a un archivo JSON que contiene los resultados de generación de perfiles.

--po --port

Puerto local en el que se va a exponer el punto de conexión HTTP del servicio.

--property

Propiedad Key/value que se va a agregar (e.g. key=value ). Se pueden especificar varias propiedades con varias opciones de --property.

valor predeterminado: []

--replica-max-concurrent-requests --rm

Número de solicitudes simultáneas máximas por nodo que permiten este servicio web. De manera predeterminada, su valor es 1.

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--rt --runtime

Tiempo de ejecución que se va a usar para la imagen. Los entornos de ejecución compatibles actuales son "spark-py" y "python"spark-py|python|python-slim.

--sc --ssl-cname

CNAME si SSL está habilitado.

--scoring-timeout-ms --tm

Tiempo de espera para aplicar a las llamadas de puntuación a este Webservice. El valor predeterminado es 60 000.

--sd --source-directory

Ruta de acceso a las carpetas que contienen todos los archivos para crear la imagen.

--se --ssl-enabled

Indica si se debe habilitar o no SSL para este servicio web. El valor predeterminado es False.

--sk --ssl-key-pem-file

Archivo de clave necesario si SSL está habilitado.

--sp --ssl-cert-pem-file

Archivo de certificado necesario si SSL está habilitado.

--st --success-threshold

Número mínimo de valores correctos consecutivos para que el sondeo de ejecución se considere correcto después de que se haya producido un error. De manera predeterminada, su valor es 1. El valor mínimo es 1.

--subnet-name

Nombre de la subred dentro de la red virtual.

--subscription-id

Especifica el identificador de suscripción.

--tag

Etiqueta clave-valor que se va a agregar (e.g. key=valor ). Se pueden especificar varias etiquetas con varias opciones de etiqueta.

valor predeterminado: []

--timeout-seconds --ts

Número de segundos tras los cuales el sondeo de ejecución agota el tiempo de espera. El valor predeterminado es de 2 segundos. El valor mínimo es 1.

--token-auth-enabled

Si se va a habilitar o no la autenticación de tokens para este servicio web. Se omite si no se implementa en AKS. El valor predeterminado es False.

--tp --traffic-percentile

Cantidad de tráfico que toma la versión en un punto de conexión. Puede ser un decimal. El valor predeterminado es 0.

--vault-base-url

Dirección URL base del almacén para las propiedades de cifrado en claves administradas por el cliente (CMK) para ACI.

--version-name --vn

Nombre de la versión en un punto de conexión. El valor predeterminado es el nombre del punto de conexión de la primera versión.

--vnet-name

Nombre de la red virtual.

--workspace-name -w

Nombre del área de trabajo.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model download

Descargue un modelo del área de trabajo.

az ml model download --model-id
                     --target-dir
                     [--overwrite]
                     [--path]
                     [--resource-group]
                     [--subscription-id]
                     [--workspace-name]
                     [-v]

Parámetros requeridos

--model-id -i

Identificador del modelo.

--target-dir -t

Directorio de destino al que descargar el archivo de modelo.

Parámetros opcionales

--overwrite

Sobrescribir si el mismo archivo de nombre existe en el directorio de destino.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--subscription-id

Especifica el identificador de suscripción.

--workspace-name -w

Nombre del área de trabajo que contiene el modelo que se va a mostrar.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model list

Enumerar modelos en el área de trabajo.

az ml model list [--dataset-id]
                 [--latest]
                 [--model-name]
                 [--path]
                 [--property]
                 [--resource-group]
                 [--run-id]
                 [--subscription-id]
                 [--tag]
                 [--workspace-name]
                 [-v]

Parámetros opcionales

--dataset-id

Si se proporciona, solo mostrará modelos con el identificador de conjunto de datos especificado.

--latest -l

Si se proporciona, solo devolverá modelos con la versión más reciente.

--model-name -n

Un nombre de modelo opcional para filtrar la lista por.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--property

Propiedad Key/value que se va a agregar (e.g. key=value ). Se pueden especificar varias propiedades con varias opciones de --property.

valor predeterminado: []

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--run-id

Si se proporciona, solo mostrará modelos con el identificador de ejecución especificado.

--subscription-id

Especifica el identificador de suscripción.

--tag

Etiqueta clave-valor que se va a agregar (e.g. key=valor ). Se pueden especificar varias etiquetas con varias opciones de etiqueta.

valor predeterminado: []

--workspace-name -w

Nombre del área de trabajo que contiene modelos que se van a enumerar.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model package

Empaquetar un modelo en el área de trabajo.

az ml model package [--cf]
                    [--ed]
                    [--entry-script]
                    [--environment-name]
                    [--environment-version]
                    [--ic]
                    [--il]
                    [--image-name]
                    [--model]
                    [--model-metadata-file]
                    [--no-wait]
                    [--output-path]
                    [--path]
                    [--resource-group]
                    [--rt]
                    [--sd]
                    [--subscription-id]
                    [--workspace-name]
                    [-v]

Parámetros opcionales

--cf --conda-file

Ruta de acceso al archivo local que contiene una definición de entorno de Conda que se va a usar para el paquete.

--ed --environment-directory

Directorio del entorno de Azure Machine Learning para el empaquetado. Es la misma ruta de acceso de directorio que se proporciona en el comando "az ml environment scaffold".

--entry-script --es

Ruta de acceso al archivo local que contiene el código que se va a ejecutar para el servicio (ruta de acceso relativa de source_directory si se proporciona una).

--environment-name -e

Nombre del entorno de Azure Machine Learning para el empaquetado.

--environment-version --ev

Versión de un entorno de Azure Machine Learning existente para el empaquetado.

--ic --inference-config-file

Ruta de acceso a un archivo JSON o YAML que contiene la configuración de inferencia.

--il --image-label

Etiqueta para proporcionar la imagen del paquete compilado.

--image-name --in

Nombre para asignar la imagen del paquete compilado.

--model -m

Identificador del modelo que se va a empaquetar. Se pueden especificar varios modelos con argumentos -m adicionales. Los modelos deben registrarse primero.

valor predeterminado: []

--model-metadata-file -f

Ruta de acceso a un archivo JSON que contiene metadatos de registro de modelos. Se pueden proporcionar varios modelos mediante varios parámetros -f.

valor predeterminado: []

--no-wait

Marca para no esperar llamadas asincrónicas.

--output-path

Ruta de acceso de salida para el contexto de Docker. Si se pasa una ruta de acceso de salida, en lugar de crear una imagen en el área de trabajo ACR, se escribirá un dockerfile y el contexto de compilación necesario en esa ruta de acceso.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--rt --runtime

Tiempo de ejecución que se va a usar para el paquete. Los entornos de ejecución compatibles actuales son "spark-py" y "python"spark-py|python|python-slim.

--sd --source-directory

Ruta de acceso a las carpetas que contienen todos los archivos para crear la imagen.

--subscription-id

Especifica el identificador de suscripción.

--workspace-name -w

Nombre del área de trabajo.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model profile

Generar perfiles de modelos en el área de trabajo.

az ml model profile --name
                    [--base-image]
                    [--base-image-registry]
                    [--cc]
                    [--cf]
                    [--description]
                    [--ed]
                    [--entry-script]
                    [--environment-name]
                    [--environment-version]
                    [--gb]
                    [--ic]
                    [--idi]
                    [--model]
                    [--model-metadata-file]
                    [--output-metadata-file]
                    [--resource-group]
                    [--sd]
                    [--subscription-id]
                    [--workspace-name]
                    [-v]

Parámetros requeridos

--name -n

Nombre del perfil del modelo.

Parámetros opcionales

--base-image --bi

una imagen personalizada que se usará como imagen base. Si no se especifica ninguna imagen base, la imagen base se usará en función del parámetro de runtime proporcionado.

--base-image-registry --ir

registro de imágenes que contiene la imagen base.

--cc --cpu-cores

Valor doble para que la CPU máxima se use al generar perfiles.

--cf --conda-file

ruta de acceso al archivo local que contiene una definición de entorno de conda que se usará para la imagen.

--description

Descripción del perfil del modelo.

--ed --environment-directory

Directorio del entorno de Azure Machine Learning para la implementación. Es la misma ruta de acceso de directorio que se proporciona en el comando "az ml environment scaffold".

--entry-script --es

Ruta de acceso al archivo local que contiene el código que se va a ejecutar para el servicio (ruta de acceso relativa de source_directory si se proporciona una).

--environment-name -e

Nombre del entorno de Azure Machine Learning para la implementación.

--environment-version --ev

Versión de un entorno de Azure Machine Learning existente para la implementación.

--gb --memory-in-gb

Valor doble para la memoria máxima que se va a usar al generar perfiles.

--ic --inference-config-file

Ruta de acceso a un archivo JSON o YAML que contiene la configuración de inferencia.

--idi --input-dataset-id

Identificador del conjunto de datos tabular que se va a usar como entrada para el perfil.

--model -m

Identificador del modelo que se va a implementar. Se pueden especificar varios modelos con argumentos -m adicionales. Los modelos deben registrarse primero.

valor predeterminado: []

--model-metadata-file -f

Ruta de acceso a un archivo JSON que contiene metadatos de registro de modelos. Se pueden proporcionar varios modelos mediante varios parámetros -f.

valor predeterminado: []

--output-metadata-file -t

Ruta de acceso a un archivo JSON donde se escribirán los metadatos de los resultados del perfil. Se usa como entrada para la implementación del modelo.

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--sd --source-directory

Ruta de acceso a las carpetas que contienen todos los archivos para crear la imagen.

--subscription-id

Especifica el identificador de suscripción.

--workspace-name -w

Nombre del área de trabajo.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model register

Registre un modelo en el área de trabajo.

az ml model register --name
                     [--asset-path]
                     [--cc]
                     [--description]
                     [--experiment-name]
                     [--gb]
                     [--gc]
                     [--model-framework]
                     [--model-framework-version]
                     [--model-path]
                     [--output-metadata-file]
                     [--path]
                     [--property]
                     [--resource-group]
                     [--run-id]
                     [--run-metadata-file]
                     [--sample-input-dataset-id]
                     [--sample-output-dataset-id]
                     [--subscription-id]
                     [--tag]
                     [--workspace-name]
                     [-v]

Parámetros requeridos

--name -n

Nombre del modelo que se va a registrar.

Parámetros opcionales

--asset-path

Ruta de acceso a la nube donde la ejecución de experiencia almacena el archivo de modelo.

--cc --cpu-cores

Número predeterminado de núcleos de CPU que se van a asignar para este modelo. Puede ser un decimal.

--description -d

Descripción del modelo.

--experiment-name

Nombre del experimento.

--gb --memory-gb

Cantidad predeterminada de memoria (en GB) que se va a asignar para este modelo. Puede ser un decimal.

--gc --gpu-cores

Número predeterminado de GPU que se van a asignar para este modelo.

--model-framework

Marco del modelo que se va a registrar. Marcos admitidos actualmente: TensorFlow, ScikitLearn, Onnx, Custom, Multi.

--model-framework-version

Versión de marco del modelo que se va a registrar (por ejemplo, 1.0.0, 2.4.1).

--model-path -p

Ruta de acceso completa del archivo de modelo que se va a registrar.

--output-metadata-file -t

Ruta de acceso a un archivo JSON donde se escribirán los metadatos de registro del modelo. Se usa como entrada para la implementación del modelo.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--property

Propiedad Key/value que se va a agregar (e.g. key=value ). Se pueden especificar varias propiedades con varias opciones de --property.

valor predeterminado: []

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--run-id -r

Identificador de la ejecución del experimento desde el que se registra el modelo.

--run-metadata-file -f

Ruta de acceso a un archivo JSON que contiene metadatos de ejecución de experiement.

--sample-input-dataset-id

Identificador del conjunto de datos de entrada de ejemplo.

--sample-output-dataset-id

Identificador del conjunto de datos de salida de ejemplo.

--subscription-id

Especifica el identificador de suscripción.

--tag

Etiqueta clave-valor que se va a agregar (e.g. key=valor ). Se pueden especificar varias etiquetas con varias opciones de etiqueta.

valor predeterminado: []

--workspace-name -w

Nombre del área de trabajo con la que se va a registrar este modelo.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model show

Mostrar un modelo en el área de trabajo.

az ml model show [--model-id]
                 [--model-name]
                 [--path]
                 [--resource-group]
                 [--run-id]
                 [--subscription-id]
                 [--version]
                 [--workspace-name]
                 [-v]

Parámetros opcionales

--model-id -i

Identificador del modelo que se va a mostrar.

--model-name -n

Nombre del modelo que se va a mostrar.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--run-id

Si se proporciona, solo mostrará modelos con el identificador de ejecución especificado.

--subscription-id

Especifica el identificador de suscripción.

--version

Si se proporciona, solo mostrará los modelos con el nombre y la versión especificados.

--workspace-name -w

Nombre del área de trabajo que contiene el modelo que se va a mostrar.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml model update

Actualice un modelo en el área de trabajo.

az ml model update --model-id
                   [--add-property]
                   [--add-tag]
                   [--cc]
                   [--description]
                   [--gb]
                   [--gc]
                   [--path]
                   [--remove-tag]
                   [--resource-group]
                   [--sample-input-dataset-id]
                   [--sample-output-dataset-id]
                   [--subscription-id]
                   [--workspace-name]
                   [-v]

Parámetros requeridos

--model-id -i

Identificador del modelo.

Parámetros opcionales

--add-property

Propiedad Key/value que se va a agregar (e.g. key=value ). Se pueden especificar varias propiedades con varias opciones de --add-property.

valor predeterminado: []

--add-tag

Etiqueta clave-valor que se va a agregar (e.g. key=valor ). Se pueden especificar varias etiquetas con varias opciones de --add-tag.

valor predeterminado: []

--cc --cpu-cores

Número predeterminado de núcleos de CPU que se van a asignar para este modelo. Puede ser un decimal.

--description

Descripción con la que actualizar el modelo. Reemplazará la descripción actual.

--gb --memory-gb

Cantidad predeterminada de memoria (en GB) que se va a asignar para este modelo. Puede ser un decimal.

--gc --gpu-cores

Número predeterminado de GPU que se van a asignar para este modelo.

--path

Ruta de acceso a una carpeta del proyecto. Valor predeterminado: directorio actual.

--remove-tag

Clave de etiqueta que se va a quitar. Se pueden especificar varias etiquetas con varias opciones --remove-tag.

valor predeterminado: []

--resource-group -g

Grupo de recursos correspondiente al área de trabajo proporcionada.

--sample-input-dataset-id

Identificador del conjunto de datos de entrada de ejemplo.

--sample-output-dataset-id

Identificador del conjunto de datos de salida de ejemplo.

--subscription-id

Especifica el identificador de suscripción.

--workspace-name -w

Nombre del área de trabajo.

-v

Marca de detalle.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.