Partage via


ServiceDefinition

Classe ServiceDefinition

azureml.deploy.operationalization.ServiceDefinition(name, op)

Bases : azureml.deploy.operationalization.OperationalizationDefinition

Classe de service définissant les propriétés d’un service standard pour la publication.

alias(alias)

Définissez l’alias de nom de fonction de service facultatif à utiliser pour utiliser le service.

Exemple :

service = client.service('score-service').alias('score').deploy()

# `score()` is the function that will call the `score-service`
result = service.score()

Arguments

alias

Alias de nom de fonction de service facultatif à utiliser pour utiliser le service.

Retours

Auto OperationalizationDefinition pour l’API Fluent.

artefact

artifact(artifact)

Définit l’artefact de fichier facultatif pris en charge d’un service par son nom. Fonction pratique pour appeler .artifacts(['file.png']) avec une liste d’une entrée.

Arguments

artefact

Artefact de fichier unique par nom.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

artifacts

artifacts(artifacts)

Définit les artefacts de fichier facultatifs pris en charge d’un service par nom.

Arguments

artifacts

list d’artefacts de fichier par nom.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

code_fn

code_fn(code, init=None)

Définissez la fonction de consommation de service en tant que fonction.

Exemple :

def init():
    pass

def score(df):
    pass

.code_fn(score, init)

Arguments

code

Handle de fonction comme référence pour exécuter le code Python.

init

Handle de fonction facultatif comme référence pour initialiser le service.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

code_str

code_str(code, init=None)

Définissez la fonction de consommation de service en tant que bloc de code Python en tant que str.

init = 'import pandas as pd'
code = 'print(pd)'

.code_str(code, init)

Arguments

code

Bloc de code Python en tant que str.

init

Bloc facultatif de code Python en tant que str pour initialiser le service.

Retours

ServiceDefinition pour le chaînage de l’API Fluent.

déployer

deploy()

Regroupez les propriétés de définition et publiez le service.

Retours

Nouvelle instance de Service représentant le service déployé.

description

description(description)

Définissez la description facultative du service.

Arguments

description

Description du service.

Retours

Auto OperationalizationDefinition pour l’API Fluent.

inputs

inputs(**inputs)

Définit les entrées facultatives prises en charge d’un service par nom et type.

Exemple :

.inputs(a=float, b=int, c=str, d=bool, e='pandas.DataFrame')

Arguments

inputs

Entrées par nom et par type.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

modèles

models(**models)

Inclut un ou plusieurs modèles utilisés pour ce service.

Exemple :

cars_model = rx_lin_mod(formula="am ~ hp + wt",data=mtcars)

.models(cars_model=cars_model)

Arguments

modèles

Tous les modèles par nom et valeur.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

objets

objects(**objects)

Inclut un ou plusieurs objets utilisés pour ce service.

Exemple :

x = 5
y = 'hello'

.objects(x=x, y=y)

Arguments

objets

Tous les objets par nom et valeur.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

outputs

outputs(**outputs)

Définit les sorties facultatives prises en charge d’un service par nom et type.

Exemple :

.outputs(a=float, b=int, c=str, d=bool, e='pandas.DataFrame')

Arguments

outputs

Sorties par nom et par type.

Retours

Auto OperationalizationDefinition pour le chaînage de l’API Fluent.

redéployer

redeploy(force=False)

Regroupez les propriétés de définition et mettez à jour le service.

Retours

Nouvelle instance de Service représentant le service déployé.

version

version(version)

Définissez la version facultative du service.

Arguments

version

Version du service.

Retours

Auto OperationalizationDefinition pour l’API Fluent.