Esquema YAML de punto de conexión por lotes de la CLI (v2)
SE APLICA A: 
Extensión de ML de la CLI de Azure v2 (actual)
El esquema JSON de origen se puede encontrar en https://azuremlschemas.azureedge.net/latest/batchEndpoint.schema.json.
Nota
La sintaxis de YAML que se detalla en este documento se basa en el esquema JSON de la versión más reciente de la extensión ML de la CLI v2. Se garantiza que esta sintaxis solo funciona con la versión más reciente de la extensión ML de la CLI v2. Dispone de los esquemas de las versiones de anteriores de la extensión en https://azuremlschemasprod.azureedge.net/.
Sintaxis de YAML
| Clave | Tipo | Descripción | Valores permitidos | Valor predeterminado |
|---|---|---|---|---|
$schema |
string | Esquema de YAML. Si usa la extensión VS Code de Azure Machine Learning para crear el archivo YAML, la inclusión de $schema en la parte superior del archivo le permite invocar las finalizaciones del esquema y los recursos. |
||
name |
string | Necesario. Nombre del punto de conexión. Es preciso que sea único en el nivel de región de Azure. | ||
description |
string | Descripción del punto de conexión. | ||
tags |
object | Diccionario de etiquetas del punto de conexión. | ||
auth_mode |
string | Método de autenticación del punto de conexión. Actualmente solo se admite la autenticación basada en tokens de Microsoft Entra. | aad_token |
aad_token |
defaults |
object | Configuración predeterminada del punto de conexión. | ||
defaults.deployment_name |
string | Nombre de la implementación que va a actuar como implementación predeterminada del punto de conexión. |
Observaciones
Los comandos az ml batch-endpoint se pueden usar para administrar los puntos de conexión de Azure Machine Learning.
Ejemplos
Hay ejemplos disponibles en el repositorio de GitHub de ejemplos. A continuación se muestran varios.
YAML: básico
$schema: https://azuremlschemas.azureedge.net/latest/batchEndpoint.schema.json
name: mnist-batch
description: A batch endpoint for scoring images from the MNIST dataset.
tags:
type: deep-learning