Compartir a través de

az ml model

  • Referencia

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 model . Obtenga más información sobre las extensiones.

Administración de modelos de Azure ML.

Los modelos de Azure ML constan de los archivos binarios que representan un modelo de Machine Learning y los metadatos correspondientes. Estos modelos se pueden usar en implementaciones de puntos de conexión para la inferencia por lotes y en tiempo real.

Comandos

Nombre Description Tipo Estado
az ml model archive

Archivar un modelo.

 Extensión GA
az ml model create

Cree un modelo.

 Extensión GA
az ml model download

Descargue todos los archivos relacionados con el modelo.

 Extensión GA
az ml model list

Enumerar modelos en un área de trabajo o registro. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

 Extensión GA
az ml model package

Empaquetar un modelo en un entorno.

 Extensión Vista previa
az ml model restore

Restaure un modelo archivado.

 Extensión GA
az ml model share

Comparta un modelo específico del área de trabajo al registro.

 Extensión GA
az ml model show

Mostrar detalles de un modelo en un área de trabajo o registro. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

 Extensión GA
az ml model update

Actualice un modelo en un área de trabajo o registro.

 Extensión GA

az ml model archive

Archivar un modelo.

El archivado de un modelo lo ocultará de forma predeterminada de las consultas de lista (az ml model list). Todavía puede seguir haciendo referencia a un modelo archivado y usarlo en los flujos de trabajo. Puede archivar un contenedor de modelos o una versión de modelo específica. El archivado de un contenedor de modelos archivará todas las versiones del modelo con ese nombre determinado. Puede restaurar un modelo archivado mediante az ml model restore. Si se archiva todo el contenedor de modelos, no puede restaurar versiones individuales del modelo; deberá restaurar el contenedor del modelo.

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

Ejemplos

Archivar un contenedor de modelos (archiva todas las versiones de ese modelo)

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

Archivar una versión de modelo específica

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

Parámetros requeridos

--name -n

Nombre del modelo.

Parámetros opcionales

--label -l

Etiqueta del modelo.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de trabajo.

--resource-group -g

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

--version -v

Versión del modelo.

--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 model create

Cree un modelo.

Los modelos se pueden crear a partir de un archivo local, un directorio local, un almacén de datos o salidas de trabajo. El modelo creado se realizará un seguimiento en el área de trabajo o registro bajo el nombre y la versión especificados. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

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

Ejemplos

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

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

Creación de un modelo a partir de una carpeta local mediante opciones de comando

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

Creación de un modelo mediante el formato de URI de ejecución de mlflow "runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/" y las opciones de comandos

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

Cree un modelo a partir de una salida de trabajo con nombre mediante el formato de URI del trabajo azureml "azureml://jobs/<job-name>/outputs/<named-output>/paths/<path-to-model-relative-to-the-named-output-location>" y las opciones de comando. La salida con nombre predeterminada es artifacts

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

Creación de un modelo a partir de un almacén de datos "azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>" mediante opciones de comando

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

Parámetros opcionales

--datastore

Almacén de datos en el que se va a cargar el artefacto local.

--description

Descripción del modelo.

--file -f

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

--name -n

Nombre del modelo.

--no-wait

No espere hasta que finalice la operación de ejecución prolongada.

valor predeterminado: False
--path -p

Ruta de acceso a los archivos de modelo. Puede ser una ubicación local o remota. Si se especifica, también debe proporcionarse --name/-n y --version/-v.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de trabajo.

--resource-group -g

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

--set

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

--stage -s

Fase del modelo.

--tags

Pares clave-valor separados por espacios para las etiquetas del objeto.

--type -t

Tipo del modelo, los valores permitidos se custom_model, mlflow_model y triton_model. El tipo predeterminado es custom_model.

--version -v

Versión del modelo.

--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 model download

Descargue todos los archivos relacionados con el modelo.

Los archivos se descargarán en una carpeta denominada después del nombre del modelo. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

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

Ejemplos

Descarga de un modelo con el nombre y la versión especificados

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

Descargar un modelo con el nombre y la versión especificados en una ruta de acceso local especificada

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

Parámetros requeridos

--name -n

Nombre del modelo.

--version -v

Versión del modelo.

Parámetros opcionales

--download-path -p

Ruta de acceso para descargar los archivos de modelo, el valor predeterminado es el directorio de trabajo actual.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de 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 model list

Enumerar modelos en un área de trabajo o registro. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

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

Ejemplos

Enumeración de todos los modelos de un área de trabajo

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

Enumeración de todas las versiones del modelo para el nombre especificado en un área de trabajo

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

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

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

Parámetros opcionales

--archived-only

Enumera solo los modelos archivados.

valor predeterminado: False
--include-archived

Enumerar modelos archivados y modelos activos.

valor predeterminado: False
--max-results -r

Número máximo de resultados que se van a devolver.

--name -n

Nombre del modelo. Si se proporciona, se devolverán todas las versiones del modelo con este nombre.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de trabajo.

--resource-group -g

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

--stage -s

Fase del modelo.

--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 model package

Vista previa

Este comando está en versión preliminar y en desarrollo. Niveles de referencia y soporte técnico: https://aka.ms/CLI_refstatus

Empaquetar un modelo en un entorno.

Cuando se empaqueta un modelo, se crea un entorno con todas las dependencias.

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

Ejemplos

Empaquetar un modelo con el nombre y la versión especificados

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

Parámetros requeridos

--file -f

Ruta de acceso local al archivo YAML que contiene la definición del paquete de modelo.

--name -n

Nombre del modelo.

--version -v

Versión del modelo.

Parámetros opcionales

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de 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 model restore

Restaure un modelo archivado.

Cuando se restaura un modelo archivado, ya no se ocultará a las consultas de lista (az ml model list). Si se archiva un contenedor de modelo completo, puede restaurar ese contenedor archivado. Esto restaurará todas las versiones del modelo con ese nombre determinado. No se puede restaurar solo una versión de modelo específica si se archiva todo el contenedor de modelos; deberá restaurar todo el contenedor. Si solo se ha archivado una versión de modelo individual, puede restaurar esa versión específica.

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

Ejemplos

Restaurar un contenedor de modelos archivados (restaura todas las versiones de ese modelo)

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

Restauración de una versión específica del modelo archivado

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

Parámetros requeridos

--name -n

Nombre del modelo.

Parámetros opcionales

--label -l

Etiqueta del modelo.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de trabajo.

--resource-group -g

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

--version -v

Versión del modelo.

--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 model share

Comparta un modelo específico del área de trabajo al registro.

Copie un modelo existente de un área de trabajo en un registro para reutilizarlo entre áreas de trabajo.

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

Ejemplos

Uso compartido de un entorno existente del área de trabajo al registro

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

Parámetros requeridos

--name -n

Nombre del modelo.

--registry-name

Registro de destino.

--share-with-name

Nombre del modelo con el que se va a crear.

--share-with-version

Versión del modelo con la que se va a crear.

--version -v

Versión del modelo.

Parámetros opcionales

--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 model show

Mostrar detalles de un modelo en un área de trabajo o registro. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

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

Ejemplos

Mostrar detalles de un modelo con el nombre y la versión especificados

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

Parámetros requeridos

--name -n

Nombre del modelo.

Parámetros opcionales

--label -l

Etiqueta del modelo.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de trabajo.

--resource-group -g

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

--version -v

Versión del modelo.

--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 model update

Actualice un modelo en un área de trabajo o registro.

Las propiedades "description" y "tags" se pueden actualizar. Si usa un registro, reemplace por --workspace-name my-workspace la --registry-name <registry-name> opción .

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

Ejemplos

Actualizar los sabores de un modelo

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

Parámetros requeridos

--name -n

Nombre del modelo.

--resource-group -g

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

Etiqueta del modelo.

--registry-name

Si se proporciona, el comando tendrá como destino el registro en lugar de un área de trabajo. Por lo tanto, no será necesario el grupo de recursos y el área de trabajo.

--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: []
--stage -s

Fase del modelo.

--version -v

Versión del modelo.

--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.