Model Osztály

A gépi tanulás betanításának eredményét jelöli.

A modell egy Azure Machine Learning-betanítás Run vagy más, Az Azure-on kívüli modellbetanítási folyamat eredménye. Függetlenül attól, hogy a modell hogyan készül, regisztrálható egy munkaterületen, ahol egy név és egy verzió képviseli. A Modell osztálysal a Dockerrel használható modelleket csomagolhatja, és valós idejű végpontként helyezheti üzembe, amely következtetési kérelmekhez használható.

A modellek létrehozásának, kezelésének és felhasználásának módját bemutató, végpontok közötti oktatóanyagért lásd: Képosztályozási modell betanítása MNIST-adatokkal és scikit-learn az Azure Machine Learning használatával.

Modellkonstruktor.

A modellkonstruktor a megadott munkaterülethez társított modellobjektum felhőbeli ábrázolásának lekérésére szolgál. Meg kell adnia a nevet vagy az azonosítót.

Konstruktor

Model(workspace, name=None, id=None, tags=None, properties=None, version=None, run_id=None, model_framework=None, expand=True, **kwargs)

Paraméterek

Name	Description
workspace Kötelező	Workspace A lekérni kívánt modellt tartalmazó munkaterület-objektum.
name	str A lekérni kívánt modell neve. A megadott névvel rendelkező legújabb modell lesz visszaadva, ha létezik. Alapértelmezett érték: None
id	str A lekérni kívánt modell azonosítója. Ha létezik, a megadott azonosítóval rendelkező modell lesz visszaadva. Alapértelmezett érték: None
tags	list A visszaadott eredmények szűréséhez használt címkék választható listája. Az eredmények a megadott lista alapján lesznek szűrve, és "kulcs" vagy "[kulcs, érték]" alapján keresnek. Pl. "key", "key2", "key2 value"] Alapértelmezett érték: None
properties	list A visszaadott eredmények szűréséhez használt tulajdonságok választható listája. Az eredmények a megadott lista alapján lesznek szűrve, és "kulcs" vagy "[kulcs, érték]" alapján keresnek. Pl. "key", "key2", "key2 value"] Alapértelmezett érték: None
version	int A visszaadni kívánt modellverzió. Ha a paraméter mellett meg `name` van adva, a megadott nevesített modell adott verzióját adja vissza a rendszer, ha létezik. Ha `version` nincs megadva, a rendszer a modell utolsó verzióját adja vissza. Alapértelmezett érték: None
run_id	str A visszaadott eredmények szűréséhez használt opcionális azonosító. Alapértelmezett érték: None
model_framework	str A visszaadott eredmények szűréséhez használt választható keretrendszernév. Ha meg van adva, a rendszer a megadott keretrendszernek megfelelő modellek eredményeit adja vissza. Tekintse meg Framework az engedélyezett értékeket. Alapértelmezett érték: None
workspace Kötelező	Workspace A lekérni kívánt modellt tartalmazó munkaterület-objektum.
name Kötelező	str A lekérni kívánt modell neve. A megadott névvel rendelkező legújabb modell lesz visszaadva, ha létezik.
id Kötelező	str A lekérni kívánt modell azonosítója. Ha létezik, a megadott azonosítóval rendelkező modell lesz visszaadva.
tags Kötelező	list A visszaadott eredmények szűréséhez használt címkék választható listája. Az eredmények a megadott lista alapján lesznek szűrve, és "kulcs" vagy "[kulcs, érték]" alapján keresnek. Pl. "key", "key2", "key2 value"]
properties Kötelező	list A visszaadott eredmények szűréséhez használt tulajdonságok választható listája. Az eredmények a megadott lista alapján lesznek szűrve, és "kulcs" vagy "[kulcs, érték]" alapján keresnek. Pl. "key", "key2", "key2 value"]
version Kötelező	int A visszaadni kívánt modellverzió. Ha a paraméter mellett meg `name` van adva, a megadott nevesített modell adott verzióját adja vissza a rendszer, ha létezik. Ha `version` nincs megadva, a rendszer a modell utolsó verzióját adja vissza.
run_id Kötelező	str A visszaadott eredmények szűréséhez használt opcionális azonosító.
model_framework Kötelező	str A visszaadott eredmények szűréséhez használt választható keretrendszernév. Ha meg van adva, a rendszer a megadott keretrendszernek megfelelő modellek eredményeit adja vissza. Tekintse meg Framework az engedélyezett értékeket.
expand	bool Ha igaz, akkor az összes feltöltött altulajdonságú modelleket adja vissza, például futtatás, adathalmaz és kísérlet. Alapértelmezett érték: True

Megjegyzések

A modellkonstruktor a megadott munkaterülethez társított modellobjektum felhőbeli ábrázolásának lekérésére szolgál. A modellek lekéréséhez legalább a nevet vagy az azonosítót kell megadni, de más szűrési lehetőségek is rendelkezésre állnak, például címkék, tulajdonságok, verzió, futtatási azonosító és keretrendszer szerint.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name')

Az alábbi minta bemutatja, hogyan lehet lekérni egy modell adott verzióját.


   from azureml.core.model import Model
   model = Model(ws, 'my_model_name', version=1)

A modell regisztrálása létrehoz egy logikai tárolót a modellt alkotó egy vagy több fájlhoz. A modellfájl tartalma mellett a regisztrált modell a modell metaadatait is tárolja, beleértve a modell leírását, címkéit és keretrendszeradatait, amelyek hasznosak a modell munkaterületen való kezelése és üzembe helyezése során. Címkékkel például kategorizálhatja a modelleket, és szűrőket alkalmazhat a modellek munkaterületen való listázásakor. A regisztráció után letöltheti vagy üzembe helyezheti a regisztrált modellt, és megkaphatja a regisztrált összes fájlt és metaadatot.

Az alábbi minta bemutatja, hogyan regisztrálhat egy címkéket és leírást megjelölő modellt.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

Az alábbi minta bemutatja, hogyan regisztrálhat egy keretrendszert, bemeneti és kimeneti adatkészleteket, valamint erőforrás-konfigurációt meghatározó modellt.


   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

A Változók szakasz a felhőmodell objektum helyi ábrázolásának attribútumait sorolja fel. Ezeket a változókat írásvédettnek kell tekinteni. Az értékek módosítása nem jelenik meg a megfelelő felhőobjektumban.

Változók

Name	Description
created_by	dict A modellt létrehozó felhasználó.
created_time	datetime A modell létrehozásakor.
azureml.core.Model.description	A Modell objektum leírása.
azureml.core.Model.id	A modell azonosítója. Ez a modell neve<:>modellverzió formájában <jelenik meg>.
mime_type	str A Modell mime típusa.
azureml.core.Model.name	A modell neve.
model_framework	str A modell keretrendszere.
model_framework_version	str A modell keretrendszerverziója.
azureml.core.Model.tags	A Modell objektum címkéinek szótára.
azureml.core.Model.properties	A modell kulcsérték-tulajdonságainak szótára. Ezek a tulajdonságok a regisztráció után nem módosíthatók, új kulcsértékpárok azonban hozzáadhatók.
unpack	bool Azt, hogy a modellt ki kell-e csomagolni (ki kell-e csomagolni) egy helyi környezetbe való lekéréskor.
url	str A modell URL-címe.
azureml.core.Model.version	A modell verziója.
azureml.core.Model.workspace	A modellt tartalmazó munkaterület.
azureml.core.Model.experiment_name	A modellt létrehozó kísérlet neve.
azureml.core.Model.run_id	A modellt létrehozó futtatás azonosítója.
parent_id	str A modell szülőmodelljének azonosítója.
derived_model_ids	list[str] A modellből származtatott modellazonosítók listája.
resource_configuration	ResourceConfiguration A modell ResourceConfiguration paramétere. Profilkészítéshez használatos.

Metódusok

add_dataset_references	Társítsa a megadott adathalmazokat ezzel a modellel.
add_properties	Adjon hozzá kulcsértékpárokat a modell tulajdonságszótárához.
add_tags	Adjon hozzá kulcsértékpárokat a modell címkeszótárához.
delete	Törölje ezt a modellt a társított munkaterületről.
deploy	Webszolgáltatás üzembe helyezése nulla vagy több Model objektumból. Az eredményként kapott webszolgáltatás egy valós idejű végpont, amely következtetési kérelmekhez használható. A Modell `deploy` függvény hasonló az `deploy` osztály függvényéhez Webservice , de nem regisztrálja a modelleket. Használja a Modell `deploy` függvényt, ha már regisztrált modellobjektumokkal rendelkezik.
deserialize	JSON-objektum átalakítása modellobjektummá. Az átalakítás meghiúsul, ha a megadott munkaterület nem az a munkaterület, amelyen a modell regisztrálva van.
download	Töltse le a modellt a helyi fájlrendszer célkönyvtárához.
get_model_path	Adja vissza a modell elérési útját. A függvény az alábbi helyeken keresi a modellt. Ha `version` nincs: Letöltés távoliról gyorsítótárba (ha munkaterület van megadva) Betöltés a gyorsítótárból azureml-models/$MODEL_NAME/$LATEST_VERSION/ ./$MODEL_NAME Ha `version` nincs: Betöltés a gyorsítótárból azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/ Letöltés távoliról gyorsítótárba (ha munkaterület van megadva)
get_sas_urls	A fájlneveket és a megfelelő SAS URL-címeket tartalmazó kulcs-érték párok szótárát adja vissza.
list	Kérje le a megadott munkaterülethez társított modellek listáját opcionális szűrőkkel.
package	Modellcsomag létrehozása Docker-rendszerkép vagy Dockerfile buildkörnyezet formájában.
print_configuration	A felhasználói konfiguráció nyomtatása.
profile	Profilozza a modellt az erőforrás-követelményekre vonatkozó javaslatok lekéréséhez. Ez egy hosszú ideig futó művelet, amely az adathalmaz méretétől függően akár 25 percet is igénybe vehet.
register	Modell regisztrálása a megadott munkaterületen.
remove_tags	Távolítsa el a megadott kulcsokat a modell címkék szótárából.
serialize	A modell átalakítása json szerializált szótárlá.
update	Végezze el a modell helyszíni frissítését. A megadott paraméterek meglévő értékei lecserélődnek.
update_tags_properties	Végezze el a modell címkéinek és tulajdonságainak frissítését.

add_dataset_references

Társítsa a megadott adathalmazokat ezzel a modellel.

add_dataset_references(datasets)

Paraméterek

Name	Description
datasets Kötelező	list[tuple(<xref:str :> (Dataset vagy DatasetSnapshot))] Az adathalmaz céljának adathalmaz-objektumhoz való párosítását jelképező tuplesek listája.

Kivételek

Típus	Description
WebserviceException

add_properties

Adjon hozzá kulcsértékpárokat a modell tulajdonságszótárához.

add_properties(properties)

Paraméterek

Name	Description
properties Kötelező	dict(<xref:str : str>) A hozzáadni kívánt tulajdonságok szótára.

add_tags

Adjon hozzá kulcsértékpárokat a modell címkeszótárához.

add_tags(tags)

Paraméterek

Name	Description
tags Kötelező	dict(<xref:{str : str}>) A hozzáadni kívánt címkék szótára.

Kivételek

Típus	Description
WebserviceException

delete

Törölje ezt a modellt a társított munkaterületről.

delete()

Kivételek

Típus	Description
WebserviceException

deploy

Webszolgáltatás üzembe helyezése nulla vagy több Model objektumból.

Az eredményként kapott webszolgáltatás egy valós idejű végpont, amely következtetési kérelmekhez használható. A Modell deploy függvény hasonló az deploy osztály függvényéhez Webservice , de nem regisztrálja a modelleket. Használja a Modell deploy függvényt, ha már regisztrált modellobjektumokkal rendelkezik.

static deploy(workspace, name, models, inference_config=None, deployment_config=None, deployment_target=None, overwrite=False, show_output=False)

Paraméterek

Name	Description
workspace Kötelező	Workspace Egy munkaterület-objektum, amellyel társítani szeretné a webszolgáltatást.
name Kötelező	str Az üzembe helyezett szolgáltatás nevét adja meg. A munkaterületen egyedinek kell lennie, csak kisbetűkből, számokból vagy kötőjelekből kell állnia, betűvel kezdődik, és 3 és 32 karakter közötti hosszúságúnak kell lennie.
models Kötelező	list[Model] Modellobjektumok listája. Üres lista is lehet.
inference_config	InferenceConfig A szükséges modelltulajdonságok meghatározására használt InferenceConfig objektum. Alapértelmezett érték: None
deployment_config	WebserviceDeploymentConfiguration A webszolgáltatás konfigurálásához használt WebserviceDeploymentConfiguration. Ha nincs megadva, a rendszer egy üres konfigurációs objektumot használ a kívánt cél alapján. Alapértelmezett érték: None
deployment_target	ComputeTarget A ComputeTarget a webszolgáltatás üzembe helyezéséhez. Mivel az Azure Container Instances nincs társítva ComputeTarget, hagyja ezt a paramétert Nincs értékként az Azure Container Instancesben való üzembe helyezéshez. Alapértelmezett érték: None
overwrite	bool Azt jelzi, hogy felülírja-e a meglévő szolgáltatást, ha már létezik egy megadott nevű szolgáltatás. Alapértelmezett érték: False
show_output	bool Azt jelzi, hogy megjelenítse-e a szolgáltatás üzembe helyezésének állapotát. Alapértelmezett érték: False

Válaszok

Típus	Description
Webservice	Az üzembe helyezett webszolgáltatásnak megfelelő webszolgáltatás-objektum.

Kivételek

Típus	Description
WebserviceException

deserialize

JSON-objektum átalakítása modellobjektummá.

Az átalakítás meghiúsul, ha a megadott munkaterület nem az a munkaterület, amelyen a modell regisztrálva van.

static deserialize(workspace, model_payload)

Paraméterek

Name	Description
workspace Kötelező	Workspace Az a munkaterület-objektum, amellyel a modell regisztrálva van.
model_payload Kötelező	dict Modellobjektummá alakítandó JSON-objektum.

Válaszok

Típus	Description
Model	A megadott JSON-objektum modellábrázolása.

download

Töltse le a modellt a helyi fájlrendszer célkönyvtárához.

download(target_dir='.', exist_ok=False, exists_ok=None)

Paraméterek

Name	Description
target_dir	str A modell letöltéséhez használható könyvtár elérési útja. Alapértelmezett érték: "." Alapértelmezett érték: .
exist_ok	bool Azt jelzi, hogy a letöltött dir/fájlok lecserélhetők-e, ha léteznek. Alapértelmezés szerint hamis. Alapértelmezett érték: False
exists_ok	bool ELAVULT. Használja a `exist_ok`. Alapértelmezett érték: None

Válaszok

Típus	Description
str	A modell fájljának vagy mappájának elérési útja.

get_model_path

Adja vissza a modell elérési útját.

A függvény az alábbi helyeken keresi a modellt.

Ha version nincs:

Letöltés távoliról gyorsítótárba (ha munkaterület van megadva)
Betöltés a gyorsítótárból azureml-models/$MODEL_NAME/$LATEST_VERSION/
./$MODEL_NAME

Ha version nincs:

Betöltés a gyorsítótárból azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
Letöltés távoliról gyorsítótárba (ha munkaterület van megadva)

static get_model_path(model_name, version=None, _workspace=None)

Paraméterek

Name	Description
model_name Kötelező	str A lekérni kívánt modell neve.
version	int A lekérni kívánt modell verziója. Alapértelmezés szerint a legújabb verzió. Alapértelmezett érték: None
_workspace	Workspace A modellt lekérni kívánt munkaterület. Távolról nem használható. Ha nincs megadva, a rendszer csak a helyi gyorsítótárban keres. Alapértelmezett érték: None

Válaszok

Típus	Description
str	A modell lemezének elérési útja.

Kivételek

Típus	Description
ModelNotFoundException

get_sas_urls

A fájlneveket és a megfelelő SAS URL-címeket tartalmazó kulcs-érték párok szótárát adja vissza.

get_sas_urls()

Válaszok

Típus	Description
dict	A fájlneveket és a megfelelő SAS URL-címeket tartalmazó kulcs-érték párok szótára

list

Kérje le a megadott munkaterülethez társított modellek listáját opcionális szűrőkkel.

static list(workspace, name=None, tags=None, properties=None, run_id=None, latest=False, dataset_id=None, expand=True, page_count=255, model_framework=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace A munkaterület objektuma, amelyből modelleket szeretne lekérni.
name	str Ha meg van adva, akkor csak a megadott névvel rendelkező modelleket adja vissza, ha vannak ilyenek. Alapértelmezett érték: None
tags	list A megadott lista alapján szűr, "kulcs" vagy "[kulcs, érték]" szerint. Pl. "key", "key2", "key2 value"] Alapértelmezett érték: None
properties	list A megadott lista alapján szűr, "kulcs" vagy "[kulcs, érték]" szerint. Pl. "key", "key2", "key2 value"] Alapértelmezett érték: None
run_id	str A megadott futtatási azonosító alapján szűr. Alapértelmezett érték: None
latest	bool Ha igaz, csak a legújabb verziójú modelleket adja vissza. Alapértelmezett érték: False
dataset_id	str A megadott adathalmaz-azonosító alapján szűr. Alapértelmezett érték: None
expand	bool Ha igaz, akkor az összes feltöltött altulajdonságú modelleket adja vissza, például futtatás, adathalmaz és kísérlet. Ha ezt hamisra állítja, az felgyorsítja a lista() metódus befejezését sok modell esetén. Alapértelmezett érték: True
page_count	int A lapon beolvasandó elemek száma. Jelenleg legfeljebb 255 értéket támogat. Alapértelmezett érték: 255. Alapértelmezett érték: 255
model_framework	str Ha meg van adva, akkor csak a megadott keretrendszerrel rendelkező modelleket adja vissza, ha vannak ilyenek. Alapértelmezett érték: None

Válaszok

Típus	Description
list[Model]	Igény szerint szűrt modellek listája.

Kivételek

Típus	Description
WebserviceException

package

Modellcsomag létrehozása Docker-rendszerkép vagy Dockerfile buildkörnyezet formájában.

static package(workspace, models, inference_config=None, generate_dockerfile=False, image_name=None, image_label=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace A munkaterület, amelyben létre kívánja hozni a csomagot.
models Kötelező	list[Model] A csomagban szerepeltetni kívánt modellobjektumok listája. Üres lista is lehet.
inference_config	InferenceConfig Egy InferenceConfig objektum a modellek működésének konfigurálásához. Ennek tartalmaznia kell egy környezeti objektumot. Alapértelmezett érték: None
generate_dockerfile	bool Létrehozhat-e olyan Docker-fájlt, amely helyileg futtatható a rendszerkép létrehozása helyett. Alapértelmezett érték: False
image_name	str Kép készítésekor az eredményként kapott kép neve. Alapértelmezett érték: None
image_label	str Kép készítésekor az eredményként kapott kép címkéje. Alapértelmezett érték: None

Válaszok

Típus	Description
ModelPackage	ModelPackage objektum.

print_configuration

A felhasználói konfiguráció nyomtatása.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Paraméterek

Name	Description
models Kötelező	list[Model] Modellobjektumok listája. Üres lista is lehet.
inference_config Kötelező	InferenceConfig A szükséges modelltulajdonságok meghatározására használt InferenceConfig objektum.
deployment_config Kötelező	WebserviceDeploymentConfiguration A webszolgáltatás konfigurálásához használt WebserviceDeploymentConfiguration.
deployment_target Kötelező	ComputeTarget A ComputeTarget a webszolgáltatás üzembe helyezéséhez.

profile

Profilozza a modellt az erőforrás-követelményekre vonatkozó javaslatok lekéréséhez.

Ez egy hosszú ideig futó művelet, amely az adathalmaz méretétől függően akár 25 percet is igénybe vehet.

static profile(workspace, profile_name, models, inference_config, input_dataset, cpu=None, memory_in_gb=None, description=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace Egy munkaterület-objektum, amelyben profilt szeretne létrehozni a modellről.
profile_name Kötelező	str A profilkészítési futtatás neve.
models Kötelező	list[Model] Modellobjektumok listája. Üres lista is lehet.
inference_config Kötelező	InferenceConfig A szükséges modelltulajdonságok meghatározására használt InferenceConfig objektum.
input_dataset Kötelező	Dataset A profilkészítés bemeneti adatkészlete. A bemeneti adatkészletnek egyetlen oszlopmal kell rendelkeznie, a mintabemeneteknek pedig sztringformátumban kell lenniük.
cpu	float A legnagyobb tesztpéldányon használandó processzormagok száma. Jelenleg legfeljebb 3,5 értéket támogat. Alapértelmezett érték: None
memory_in_gb	float A legnagyobb tesztpéldányon használandó memória mennyisége (GB-ban). Lehet decimális. Jelenleg 15,0-ig támogatja az értékeket. Alapértelmezett érték: None
description	str A profilkészítési futtatáshoz társítandó leírás. Alapértelmezett érték: None

Válaszok

Típus	Description
ModelProfile

Kivételek

Típus	Description
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

Modell regisztrálása a megadott munkaterületen.

static register(workspace, model_path, model_name, tags=None, properties=None, description=None, datasets=None, model_framework=None, model_framework_version=None, child_paths=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace A modell regisztrálandó munkaterülete.
model_path Kötelező	str Annak a helyi fájlrendszernek az elérési útja, ahol a modellegységek találhatók. Ez lehet egyetlen fájlra vagy mappára mutató közvetlen mutató. Ha egy mappára mutat, a `child_paths` paraméterrel megadhatja a Modell objektumként összecsomagoló egyes fájlokat, nem pedig a mappa teljes tartalmát.
model_name Kötelező	str A modell regisztrálandó neve.
tags	dict(<xref:{str : str}>) A modellhez rendelendő kulcsértékcímkék opcionális szótára. Alapértelmezett érték: None
properties	dict(<xref:{str : str}>) A modellhez rendelendő kulcsérték-tulajdonságok opcionális szótára. Ezek a tulajdonságok nem módosíthatók a modell létrehozása után, azonban új kulcsértékpárok is hozzáadhatók. Alapértelmezett érték: None
description	str A modell szöveges leírása. Alapértelmezett érték: None
datasets	list[(str, AbstractDataset)] A listák listája, ahol az első elem az adathalmaz-modell kapcsolatát írja le, a második elem pedig az adathalmaz. Alapértelmezett érték: None
model_framework	str A regisztrált modell keretrendszere. Az osztály rendszer által támogatott állandóinak Framework használata lehetővé teszi néhány népszerű keretrendszer egyszerűsített üzembe helyezését. Alapértelmezett érték: None
model_framework_version	str A regisztrált modell keretrendszerverziója. Alapértelmezett érték: None
child_paths	list[str] Ha egy `model_path` mappához kapcsolódóan van megadva, csak a megadott fájlok lesznek a Modell objektumba csomagolva. Alapértelmezett érték: None
sample_input_dataset	AbstractDataset Minta bemeneti adatkészlet a regisztrált modellhez. Alapértelmezett érték: None
sample_output_dataset	AbstractDataset Minta kimeneti adatkészlet a regisztrált modellhez. Alapértelmezett érték: None
resource_configuration	ResourceConfiguration Erőforráskonfiguráció a regisztrált modell futtatásához. Alapértelmezett érték: None

Válaszok

Típus	Description
Model	A regisztrált modellobjektum.

Megjegyzések

A modellfájl tartalma mellett a regisztrált modell a modell metaadatait is tárolja, beleértve a modell leírását, címkéit és keretrendszeradatait, amelyek hasznosak a modell munkaterületen való kezelése és üzembe helyezése során. Címkékkel például kategorizálhatja a modelleket, és szűrőket alkalmazhat a modellek munkaterületen való listázásakor.

Az alábbi minta bemutatja, hogyan regisztrálhat egy címkéket és leírást megjelölő modellt.


   from azureml.core.model import Model

   model = Model.register(model_path="sklearn_regression_model.pkl",
                          model_name="sklearn_regression_model",
                          tags={'area': "diabetes", 'type': "regression"},
                          description="Ridge regression model to predict diabetes",
                          workspace=ws)

Ha egy kísérletfuttatás eredményeként létrehozott modellel rendelkezik, regisztrálhatja közvetlenül egy futtatási objektumból anélkül, hogy először letöltenél egy helyi fájlba. Ehhez használja a metódust az register_model osztályban Run dokumentált módon.

remove_tags

Távolítsa el a megadott kulcsokat a modell címkék szótárából.

remove_tags(tags)

Paraméterek

Name	Description
tags Kötelező	list[str] Az eltávolítandó kulcsok listája

serialize

A modell átalakítása json szerializált szótárlá.

serialize()

Válaszok

Típus	Description
dict	A modell json-ábrázolása

update

Végezze el a modell helyszíni frissítését.

A megadott paraméterek meglévő értékei lecserélődnek.

update(tags=None, description=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None)

Paraméterek

Name	Description
tags	dict(<xref:{str : str}>) A modell frissítéséhez használható címkék szótára. Ezek a címkék lecserélik a modell meglévő címkéire. Alapértelmezett érték: None
description	str A modellhez használandó új leírás. Ez a név felülírja a meglévő nevet. Alapértelmezett érték: None
sample_input_dataset	AbstractDataset A regisztrált modellhez használandó minta bemeneti adatkészlet. Ez a minta bemeneti adatkészlet lecseréli a meglévő adatkészletet. Alapértelmezett érték: None
sample_output_dataset	AbstractDataset A minta kimeneti adatkészlet, amelyet a regisztrált modellhez szeretne használni. Ez a minta kimeneti adatkészlet lecseréli a meglévő adatkészletet. Alapértelmezett érték: None
resource_configuration	ResourceConfiguration A regisztrált modell futtatásához használandó erőforrás-konfiguráció. Alapértelmezett érték: None

Kivételek

Típus	Description
WebserviceException

update_tags_properties

Végezze el a modell címkéinek és tulajdonságainak frissítését.

update_tags_properties(add_tags=None, remove_tags=None, add_properties=None)

Paraméterek

Name	Description
add_tags	dict(<xref:{str : str}>) A hozzáadni kívánt címkék szótára. Alapértelmezett érték: None
remove_tags	list[str] Az eltávolítandó címkenevek listája. Alapértelmezett érték: None
add_properties	dict(<xref:{str : str}>) A hozzáadni kívánt tulajdonságok szótára. Alapértelmezett érték: None

Kivételek

Típus	Description
WebserviceException

Visszajelzés

Hasznosnak találta ezt az oldalt?

Megosztás a következőn keresztül:

Model Osztály

Konstruktor

Paraméterek

Megjegyzések

Változók

Metódusok

add_dataset_references

Paraméterek

Kivételek

add_properties

Paraméterek

add_tags

Paraméterek

Kivételek

delete

Kivételek

deploy

Paraméterek

Válaszok

Kivételek

deserialize

Paraméterek

Válaszok

download

Paraméterek

Válaszok

get_model_path

Paraméterek

Válaszok

Kivételek

get_sas_urls

Válaszok

list

Paraméterek

Válaszok

Kivételek

package

Paraméterek

Válaszok

print_configuration

Paraméterek

profile

Paraméterek

Válaszok

Kivételek

register

Paraméterek

Válaszok

Megjegyzések

remove_tags

Paraméterek

serialize

Válaszok

update

Paraméterek

Kivételek

update_tags_properties

Paraméterek

Kivételek

Visszajelzés