az ml job

Nota:

Esta referencia forma parte de la extensión ml para la CLI de Azure (versión 2.15.0 o posterior). La extensión instalará automáticamente la primera vez que ejecute un comando az ml job . Obtenga más información sobre las extensiones.

Administración de trabajos de Azure ML.

Un trabajo de Azure ML ejecuta una tarea en un destino de proceso especificado. Puede configurar trabajos para escalar horizontalmente el entrenamiento de modelos en Azure. Azure ML admite diferentes tipos de trabajo con distintas funcionalidades. Por ejemplo, el trabajo más básico, un trabajo de comando, ejecuta un comando en un contenedor de Docker y se puede aprovechar para el entrenamiento distribuido y de un solo nodo. Un trabajo de barrido ejecuta un barrido de hiperparámetros sobre un espacio de búsqueda especificado para ajustar los hiperparámetros de un modelo.

Los trabajos también permiten el seguimiento sistemático de los flujos de trabajo y experimentación de ML. Una vez creado un trabajo, Azure ML mantiene un registro de ejecución para el trabajo que incluye los metadatos, las métricas, los registros y los artefactos generados durante el trabajo, el código que se ejecutó y el entorno de Azure ML usado. Todos los registros de ejecución de los trabajos se pueden ver en Azure ML Studio.

Comandos

Nombre	Description	Tipo	Estado
az ml job archive	Archivar un trabajo.	Extensión	GA
az ml job cancel	Cancelar un trabajo.	Extensión	GA
az ml job connect-ssh	Configure la conexión ssh y envíe la solicitud al servicio SSH que se ejecuta dentro del contenedor del usuario a través de Tundra.	Extensión	GA
az ml job create	Creación de un trabajo.	Extensión	GA
az ml job download	Descargue todos los archivos relacionados con el trabajo.	Extensión	GA
az ml job list	Enumeración de trabajos en un área de trabajo.	Extensión	GA
az ml job restore	Restaure un trabajo archivado.	Extensión	GA
az ml job show	Mostrar detalles de un trabajo.	Extensión	GA
az ml job show-services	Mostrar servicios de un trabajo por nodo.	Extensión	GA
az ml job stream	Transmita los registros de trabajo a la consola.	Extensión	GA
az ml job update	Actualizar un trabajo.	Extensión	GA
az ml job validate	Validar un trabajo. Este comando solo funciona para trabajos de canalización por ahora.	Extensión	GA

az ml job archive

Archivar un trabajo.

El archivado de un trabajo lo ocultará de forma predeterminada de las consultas de lista (az ml job list). Todavía puede seguir haciendo referencia y usar un trabajo archivado en los flujos de trabajo. Solo se pueden archivar los trabajos completados.

az ml job archive --name
                  --resource-group
                  --workspace-name

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

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 job cancel

Cancelar un trabajo.

az ml job cancel --name
                 --resource-group
                 --workspace-name

Ejemplos

Cancelar un trabajo por nombre

az ml job cancel --name my-job-id --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

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 job connect-ssh

Configure la conexión ssh y envíe la solicitud al servicio SSH que se ejecuta dentro del contenedor del usuario a través de Tundra.

az ml job connect-ssh --name
                      --resource-group
                      --workspace-name
                      [--node-index]
                      [--private-key-file-path]

Ejemplos

Configure la conexión ssh y envíe la solicitud al servicio SSH.

az ml job connect-ssh --name my-job-id --node-index 0 --private-key-file-path "C:/Temp/.ssh/id_rsa" --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--node-index -i

Índice del nodo que se va a conectar a través de ssh.

valor predeterminado: 0

--private-key-file-path -f

Ruta de acceso al archivo de archivo de clave privada.

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 job create

Creación de un trabajo.

Para crear un trabajo, normalmente deberá configurar cualquier código que se ejecute, un entorno que encapsula las dependencias, un destino de proceso para ejecutar el trabajo y cualquier configuración adicional específica del trabajo. Cuando se crea un trabajo, se envía para su ejecución en el recurso de proceso especificado.

az ml job create --file
                 --resource-group
                 --workspace-name
                 [--name]
                 [--save-as]
                 [--set]
                 [--skip-validation]
                 [--stream]
                 [--web]

Ejemplos

Creación de un trabajo a partir de un archivo de especificación de YAML

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

Creación de un trabajo a partir de un archivo de especificación de YAML y apertura de los detalles de ejecución del trabajo en el portal de Azure ML Studio

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

Parámetros requeridos

--file -f

Ruta de acceso local al archivo YAML que contiene la especificación del trabajo de Azure ML. Los documentos de referencia de YAML para el trabajo se pueden encontrar en: https://aka.ms/ml-cli-v2-job-command-yaml-reference, https://aka.ms/ml-cli-v2-job-sweep-yaml-reference, https://aka.ms/ml-cli-v2-job-pipeline-yaml-reference.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--name -n

Nombre del trabajo.

--save-as -a

Archivo en el que se escribirá el estado del trabajo creado en formato YAML.

--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=.

--skip-validation

Omita la validación al crear el recurso. Tenga en cuenta que los recursos dependientes no omitirán su validación al crear.

valor predeterminado: False

--stream -s

Indica si se van a transmitir los registros del trabajo a la consola.

valor predeterminado: False

--web -e

Muestre los detalles de ejecución del trabajo en Azure ML Studio en un explorador web.

valor predeterminado: False

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 job download

Descargue todos los archivos relacionados con el trabajo.

Los archivos se descargarán en una carpeta denominada después del nombre del trabajo.

az ml job download --name
                   --resource-group
                   --workspace-name
                   [--all]
                   [--download-path]
                   [--output-name]

Ejemplos

Descarga de los registros y salidas de un trabajo en el directorio de trabajo actual

az ml job download --name my-job --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--all

Descargue todas las salidas del trabajo.

valor predeterminado: False

--download-path -p

Ruta de acceso a la que descargar los archivos de trabajo. Si se omite, los archivos de trabajo se descargarán en el directorio actual.

--output-name

Nombre de la salida definida por el usuario que se va a descargar. Esto debe corresponder a una clave en el diccionario de salidas de un trabajo. Si se omite, se descargarán los archivos de salida de artefacto predeterminados del trabajo.

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 job list

Enumeración de trabajos en un área de trabajo.

az ml job list --resource-group
               --workspace-name
               [--all-results {false, true}]
               [--archived-only]
               [--include-archived]
               [--max-results]
               [--parent-job-name]

Ejemplos

Enumere todo el estado de los trabajos de un área de trabajo mediante el argumento --query para ejecutar una consulta JMESPath en los resultados de los comandos.

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

Parámetros requeridos

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--all-results

Devuelve todos los resultados.

valores aceptados: false, true

valor predeterminado: False

--archived-only

Enumere solo los trabajos archivados.

valor predeterminado: False

--include-archived

Enumeración de trabajos archivados y trabajos activos.

valor predeterminado: False

--max-results -r

Número máximo de resultados que se van a devolver. Valor predeterminado: 50

valor predeterminado: 50

--parent-job-name -p

Nombre del trabajo primario. Mostrará todos los trabajos cuyos parent_job_name coincidan con el nombre especificado.

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 job restore

Restaure un trabajo archivado.

Cuando se restaura un trabajo archivado, ya no se ocultará a las consultas de lista (az ml job list).

az ml job restore --name
                  --resource-group
                  --workspace-name

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

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 job show

Mostrar detalles de un trabajo.

az ml job show --name
               --resource-group
               --workspace-name
               [--web]

Ejemplos

Mostrar el estado de un trabajo mediante el argumento --query para ejecutar una consulta JMESPath en los resultados de los comandos.

az ml job show --name my-job-id --query "{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--web -e

Muestre los detalles de ejecución del trabajo en Azure ML Studio en un explorador web.

valor predeterminado: False

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 job show-services

Mostrar servicios de un trabajo por nodo.

az ml job show-services --name
                        --resource-group
                        --workspace-name
                        [--node-index]

Ejemplos

Muestre los servicios de un trabajo por nodo mediante el argumento --query para ejecutar una consulta JMESPath en los resultados de los comandos.

az ml job show-services --name my-job-id --node-index 0 --query "{Name:name,Jobstatus:status}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--node-index -i

Índice del nodo para el que se deben mostrar los servicios.

valor predeterminado: 0

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 job stream

Transmita los registros de trabajo a la consola.

az ml job stream --name
                 --resource-group
                 --workspace-name

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

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 job update

Actualizar un trabajo.

Solo se pueden actualizar las propiedades 'tags' y 'properties'.

az ml job update --name
                 --resource-group
                 --workspace-name
                 [--add]
                 [--force-string]
                 [--remove]
                 [--set]
                 [--web]

Parámetros requeridos

--name -n

Nombre del trabajo.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--add

Agregue un objeto a una lista de objetos especificando una ruta de acceso y pares clave-valor. Ejemplo: --add property.listProperty <key=value, string or JSON string>.

valor predeterminado: []

--force-string

Al usar 'set' o 'add', conserve los literales de cadena en lugar de intentar convertir en JSON.

valor predeterminado: False

--remove

Quite una propiedad o un elemento de una lista. Ejemplo: --remove property.list <indexToRemove> O --remove propertyToRemove.

valor predeterminado: []

--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=<value>.

valor predeterminado: []

--web -e

Muestre los detalles de ejecución del trabajo en Azure ML Studio en un explorador web.

valor predeterminado: False

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 job validate

Validar un trabajo. Este comando solo funciona para trabajos de canalización por ahora.

Este comando validará un archivo de especificación YAML para comprobar si es válido para la creación de trabajos y devolverá todos los problemas que se encontraron. La validación incluye principalmente la comprobación local del esquema, como campos que faltan, entorno sin versión especificada, código al que se hace referencia a una ruta de acceso local inexistente; también comprobará la existencia de destinos de proceso a los que se hace referencia en el área de trabajo de destino. El resultado de la validación se imprimirá en la consola, incluidos los errores y las advertencias. Solo los errores harán que se produzca un error en la validación. Se podrá enviar un trabajo que se haya superado la validación. Este comando solo funciona para trabajos de canalización por ahora.

az ml job validate --file
                   --resource-group
                   --workspace-name
                   [--set]

Ejemplos

Valide un archivo de especificación YAML para comprobar si es válido para la creación de trabajos.

az ml job validate --file job.yml --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--file -f

Ruta de acceso local al archivo YAML que contiene la especificación del trabajo de Azure ML. Los documentos de referencia de YAML para el trabajo se pueden encontrar en: https://aka.ms/ml-cli-v2-job-pipeline-yaml-reference.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=.

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.