Bagikan melalui

Model Kelas

  • Referensi

Menunjukkan hasil pelatihan pembelajaran mesin.

Model adalah hasil dari pelatihan Azure Machine Learning Run atau beberapa proses pelatihan model lainnya di luar Azure. Terlepas dari bagaimana model dihasilkan, model ini dapat didaftarkan di ruang kerja, yang ditunjukkan oleh sebuah nama dan versi. Dengan kelas Model, Anda dapat mengemas model untuk digunakan dengan Docker dan menyebarkannya sebagai titik akhir real time yang dapat digunakan untuk permintaan inferensi.

Untuk tutorial secara menyeluruh yang menunjukkan bagaimana model dibuat, dikelola, dan digunakan, lihat Melatih model klasifikasi gambar dengan data MNIST dan scikit-learn menggunakan Azure Machine Learning.

Konstruktor model.

Konstruktor Model digunakan untuk mengambil representasi cloud dari objek Model yang terkait dengan ruang kerja yang disediakan. Harus memberikan nama atau ID.

Warisan
builtins.object
Model

Konstruktor

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

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Objek ruang kerja yang berisi model yang akan diambil.
name
str

Nama model yang akan diambil. Model terbaru dengan nama yang ditentukan ditampilkan, jika ada.

nilai default: None
id
str

ID model yang akan diambil. Model dengan ID yang ditentukan ditampilkan, jika ada.

nilai default: None
tags
list

Daftar tag opsional yang digunakan untuk memfilter hasil yang ditampilkan. Hasil difilter berdasarkan daftar yang disediakan, mencari dengan 'kunci' atau '[kunci, nilai]'. Contoh ['key', ['key2', 'key2 value']]

nilai default: None
properties
list

Daftar properti opsional yang digunakan untuk memfilter hasil yang ditampilkan. Hasil difilter berdasarkan daftar yang disediakan, mencari dengan 'kunci' atau '[kunci, nilai]'. Contoh ['key', ['key2', 'key2 value']]

nilai default: None
version
int

Versi model yang akan ditampilkan. Saat diberikan bersama dengan parameter name, versi spesifik dari model bernama yang ditentukan akan ditampilkan, jika ada. Jika version dihilangkan, versi model terbaru akan ditampilkan.

nilai default: None
run_id
str

ID opsional yang digunakan untuk memfilter hasil yang ditampilkan.

nilai default: None
model_framework
str

Nama kerangka kerja opsional yang digunakan untuk memfilter hasil yang ditampilkan. Jika ditentukan, hasil untuk model yang cocok dengan kerangka kerja yang ditentukan akan ditampilkan. Lihat Framework untuk nilai yang diizinkan.

nilai default: None
workspace
Diperlukan
Workspace

Objek ruang kerja yang berisi model yang akan diambil.
name
Diperlukan
str

Nama model yang akan diambil. Model terbaru dengan nama yang ditentukan ditampilkan, jika ada.
id
Diperlukan
str

ID model yang akan diambil. Model dengan ID yang ditentukan ditampilkan, jika ada.
tags
Diperlukan
list

Daftar tag opsional yang digunakan untuk memfilter hasil yang ditampilkan. Hasil difilter berdasarkan daftar yang disediakan, mencari dengan 'kunci' atau '[kunci, nilai]'. Contoh ['key', ['key2', 'key2 value']]
properties
Diperlukan
list

Daftar properti opsional yang digunakan untuk memfilter hasil yang ditampilkan. Hasil difilter berdasarkan daftar yang disediakan, mencari dengan 'kunci' atau '[kunci, nilai]'. Contoh ['key', ['key2', 'key2 value']]
version
Diperlukan
int

Versi model yang akan ditampilkan. Saat diberikan bersama dengan parameter name, versi spesifik dari model bernama yang ditentukan akan ditampilkan, jika ada. Jika version dihilangkan, versi model terbaru akan ditampilkan.
run_id
Diperlukan
str

ID opsional yang digunakan untuk memfilter hasil yang ditampilkan.
model_framework
Diperlukan
str

Nama kerangka kerja opsional yang digunakan untuk memfilter hasil yang ditampilkan. Jika ditentukan, hasil untuk model yang cocok dengan kerangka kerja yang ditentukan akan ditampilkan. Lihat Framework untuk nilai yang diizinkan.
expand
bool

Jika true, akan menampilkan model dengan semua subproperti yang terisi misalnya eksekusi, himpunan data, dan eksperimen.

nilai default: True

Keterangan

Konstruktor Model digunakan untuk mengambil representasi cloud dari objek Model yang terkait dengan ruang kerja yang ditentukan. Setidaknya nama atau ID harus disediakan untuk mengambil model, tetapi ada juga opsi lain untuk memfilter termasuk dengan tag, properti, versi, ID eksekusi, dan kerangka kerja.


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

Sampel berikut menunjukkan cara mengambil versi model tertentu.


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

Mendaftarkan model adalah kontainer logis untuk satu atau beberapa file yang membentuk model Anda. Selain konten file model itu sendiri, model terdaftar juga menyimpan metadata model, termasuk deskripsi model, tag, dan informasi kerangka kerja, yang berguna saat mengelola dan menyebarkan model di ruang kerja Anda. Misalnya, dengan tag Anda dapat mengategorikan model dan menerapkan filter saat mencantumkan model di ruang kerja. Setelah pendaftaran, Anda kemudian dapat mengunduh atau menyebarkan model terdaftar, serta menerima semua file dan metadata yang terdaftar.

Sampel berikut menunjukkan cara mendaftarkan model yang menentukan tag dan deskripsi.


   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)

Sampel lengkap tersedia dari https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Contoh berikut menunjukkan cara mendaftarkan model yang menentukan kerangka kerja, set data input dan output, dan konfigurasi sumber daya.


   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)

Bagian Variabel mencantumkan atribut representasi lokal objek Model cloud. Variabel ini harus dianggap baca-saja. Mengubah nilainya tidak akan tercermin dalam objek cloud yang sesuai.

Variabel

Nama Deskripsi
created_by
dict

Pengguna yang membuat Model.
created_time
datetime

Kapan Model dibuat.
azureml.core.Model.description

Deskripsi objek Model.
azureml.core.Model.id

ID Model. ID Model ini dalam bentuk <nama model>:<versi model>.
mime_type
str

Jenis mime Model.
azureml.core.Model.name

Nama Model.
model_framework
str

Kerangka kerja Model.
model_framework_version
str

Versi kerangka kerja Model.
azureml.core.Model.tags

Kamus tag untuk objek Model.
azureml.core.Model.properties

Kamus properti nilai kunci untuk Model. Properti ini tidak dapat diubah setelah pendaftaran, namun pasangan nilai kunci baru dapat ditambahkan.
unpack
bool

Apakah Model perlu dibongkar (tanpa tar) saat ditarik ke konteks lokal.
url
str

Lokasi url Model.
azureml.core.Model.version

Versi Model.
azureml.core.Model.workspace

Ruang Kerja yang berisi Model.
azureml.core.Model.experiment_name

Nama Eksperimen yang membuat Model.
azureml.core.Model.run_id

ID Eksekusi yang membuat Model.
parent_id
str

ID Model induk dari Model.
derived_model_ids
list[str]

Daftar ID Model yang berasal dari Model ini.
resource_configuration
ResourceConfiguration

ResourceConfiguration untuk Model ini. Digunakan untuk pembuatan profil.

Metode

add_dataset_references

Mengaitkan himpunan data yang disediakan dengan Model ini.
add_properties

Menambahkan pasangan nilai kunci ke kamus properti model ini.
add_tags

Menambahkan pasangan nilai kunci ke kamus tag model ini.
delete

Menghapus model ini dari ruang kerjanya yang terkait.
deploy

Sebarkan Layanan web dari nol atau beberapa objek Model.

Layanan web yang dihasilkan adalah titik akhir real time yang dapat digunakan untuk permintaan inferensi. Fungsi Model deploy mirip dengan fungsi deploy kelas Webservice, tetapi tidak mendaftarkan model. Gunakan fungsi Model deploy jika Anda memiliki objek model yang sudah terdaftar.
deserialize

Mengonversi objek JSON menjadi objek model.

Konversi akan gagal jika ruang kerja yang ditentukan bukan ruang kerja yang digunakan untuk mendaftarkan model.
download

Mengunduh model untuk menargetkan direktori sistem file lokal.
get_model_path

Menampilkan jalur ke model.

Fungsi akan mencari model di lokasi berikut.

Jika version Tidak Ada:

  1. Unduh dari jarak jauh ke cache (jika ruang kerja disediakan)
  2. Muat dari cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Jika version bukan Tidak Ada:

  1. Muat dari cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Unduh dari jarak jauh ke cache (jika ruang kerja disediakan)
get_sas_urls

Menampilkan kamus pasangan nilai kunci yang berisi nama file dan URL SAS yang sesuai.
list

Mengambil daftar semua model yang terkait dengan ruang kerja yang disediakan, dengan filter opsional.
package

Buat paket model dalam benti gambar Docker atau konteks build Dockerfile.
print_configuration

Cetak konfigurasi pengguna.
profile

Buat profil model untuk mendapatkan rekomendasi persyaratan sumber daya.

Ini adalah operasi jangka panjang yang dapat memerlukan waktu hingga 25 menit tergantung ukuran himpunan data.
register

Mendaftarkan model dengan ruang kerja yang disediakan.
remove_tags

Menghapus kunci yang ditentukan dari kamus tag model ini.
serialize

Mengonversi Model ini menjadi kamus serial json.
update

Melakukan pembaruan model di tempat.

Nilai parameter tertentu yang ada diganti.
update_tags_properties

Melakukan pembaruan tag dan properti model.

add_dataset_references

Mengaitkan himpunan data yang disediakan dengan Model ini.

add_dataset_references(datasets)

Parameter

Nama Deskripsi
datasets
Diperlukan
list[tuple(<xref:str :> (Dataset atau DatasetSnapshot))]

Daftar tuple yang mewakili pasangan tujuan himpunan data ke objek Himpunan Data.

Pengecualian

Jenis Deskripsi
WebserviceException

add_properties

Menambahkan pasangan nilai kunci ke kamus properti model ini.

add_properties(properties)

Parameter

Nama Deskripsi
properties
Diperlukan
dict(<xref:str : str>)

Kamus properti yang akan ditambahkan.

Pengecualian

Jenis Deskripsi
WebserviceException

add_tags

Menambahkan pasangan nilai kunci ke kamus tag model ini.

add_tags(tags)

Parameter

Nama Deskripsi
tags
Diperlukan
dict(<xref:{str : str}>)

Kamus tag yang akan ditambahkan.

Pengecualian

Jenis Deskripsi
WebserviceException

delete

Menghapus model ini dari ruang kerjanya yang terkait.

delete()

Pengecualian

Jenis Deskripsi
WebserviceException

deploy

Sebarkan Layanan web dari nol atau beberapa objek Model.

Layanan web yang dihasilkan adalah titik akhir real time yang dapat digunakan untuk permintaan inferensi. Fungsi Model deploy mirip dengan fungsi deploy kelas Webservice, tetapi tidak mendaftarkan model. Gunakan fungsi Model deploy jika Anda memiliki objek model yang sudah terdaftar.

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

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Objek Ruang kerja yang akan dikaitkan dengan Layanan web.
name
Diperlukan
str

Nama untuk memberikan layanan yang disebarkan. Harus bersifat unik bagi ruang kerja, hanya terdiri dari huruf kecil, angka, atau tanda hubung, dimulai dengan huruf, dan panjangnya antara 3 dan 32 karakter.
models
Diperlukan
list[Model]

Daftar objek model. Bisa berupa daftar kosong.
inference_config
InferenceConfig

Objek InferenceConfig yang digunakan untuk menentukan properti model yang diperlukan.

nilai default: None
deployment_config
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration yang digunakan untuk mengonfigurasi layanan web. Jika tidak tersedia, objek konfigurasi kosong akan digunakan berdasarkan target yang diinginkan.

nilai default: None
deployment_target
ComputeTarget

ComputeTarget yang akan menjadi tempat penyebaran Layanan web. Karena Azure Container Instances tidak memiliki ComputeTarget terkait, biarkan parameter ini sebagai Tidak ada untuk disebarkan ke Azure Container Instances.

nilai default: None
overwrite
bool

Menunjukkan apakah akan menimpa layanan yang ada jika layanan dengan nama yang ditentukan sudah ada.

nilai default: False
show_output
bool

Menunjukkan apakah akan menampilkan kemajuan penyebaran layanan.

nilai default: False

Mengembalikan

Jenis Deskripsi
Webservice

Objek Layanan web yang sesuai dengan layanan web yang disebarkan.

Pengecualian

Jenis Deskripsi
WebserviceException

deserialize

Mengonversi objek JSON menjadi objek model.

Konversi akan gagal jika ruang kerja yang ditentukan bukan ruang kerja yang digunakan untuk mendaftarkan model.

static deserialize(workspace, model_payload)

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Objek ruang kerja yang digunakan untuk mendaftarkan model.
model_payload
Diperlukan
dict

Objek JSON yang akan diubah menjadi objek Model.

Mengembalikan

Jenis Deskripsi
Model

Representasi Model dari objek JSON yang disediakan.

Pengecualian

Jenis Deskripsi
WebserviceException

download

Mengunduh model untuk menargetkan direktori sistem file lokal.

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

Parameter

Nama Deskripsi
target_dir
str

Jalur ke direktori tempat mengunduh model. Defaultnya diatur ke "."

nilai default: .
exist_ok
bool

Menunjukkan apakah akan mengganti dir/file yang diunduh jika ada. Default ke False.

nilai default: False
exists_ok
bool

TIDAK DIGUNAKAN LAGI. Gunakan exist_ok.

nilai default: None

Mengembalikan

Jenis Deskripsi
str

Jalur ke file atau folder model.

Pengecualian

Jenis Deskripsi
WebserviceException

get_model_path

Menampilkan jalur ke model.

Fungsi akan mencari model di lokasi berikut.

Jika version Tidak Ada:

  1. Unduh dari jarak jauh ke cache (jika ruang kerja disediakan)
  2. Muat dari cache azureml-models/$MODEL_NAME/$LATEST_VERSION/
  3. ./$MODEL_NAME

Jika version bukan Tidak Ada:

  1. Muat dari cache azureml-models/$MODEL_NAME/$SPECIFIED_VERSION/
  2. Unduh dari jarak jauh ke cache (jika ruang kerja disediakan)
static get_model_path(model_name, version=None, _workspace=None)

Parameter

Nama Deskripsi
model_name
Diperlukan
str

Nama model yang akan diambil.
version
int

Versi model yang akan diambil. Default ke versi terbaru.

nilai default: None
_workspace
Workspace

Ruang kerja tempat mengambil model. Tidak dapat menggunakan dari jarak jauh. Jika tidak ditentukan, hanya cache lokal yang ditelusuri.

nilai default: None

Mengembalikan

Jenis Deskripsi
str

Jalur pada disk ke model.

Pengecualian

Jenis Deskripsi
ModelNotFoundException

get_sas_urls

Menampilkan kamus pasangan nilai kunci yang berisi nama file dan URL SAS yang sesuai.

get_sas_urls()

Mengembalikan

Jenis Deskripsi
dict

Kamus pasangan kunci-nilai yang berisi nama file dan URL SAS yang sesuai

Pengecualian

Jenis Deskripsi
WebserviceException

list

Mengambil daftar semua model yang terkait dengan ruang kerja yang disediakan, dengan filter opsional.

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)

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Objek ruang kerja tempat mengambil model.
name
str

Jika disediakan, hanya akan menampilkan model dengan nama yang ditentukan, jika ada.

nilai default: None
tags
list

Akan memfilter berdasarkan daftar yang disediakan, baik dengan 'kunci' atau '[kunci, nilai]'. Contoh ['key', ['key2', 'key2 value']]

nilai default: None
properties
list

Akan memfilter berdasarkan daftar yang disediakan, baik dengan 'kunci' atau '[key, value]'. Contoh ['key', ['key2', 'key2 value']]

nilai default: None
run_id
str

Akan memfilter berdasarkan ID eksekusi yang disediakan.

nilai default: None
latest
bool

Jika true, hanya akan menampilkan model dengan versi terbaru.

nilai default: False
dataset_id
str

Akan memfilter berdasarkan ID himpunan data yang disediakan.

nilai default: None
expand
bool

Jika true, akan menampilkan model dengan semua subproperti yang terisi misalnya eksekusi, himpunan data, dan eksperimen. Mengaturnya ke false akan mempercepat penyelesaian metode list() jika ada banyak model.

nilai default: True
page_count
int

Jumlah item yang harus diambil dalam halaman. Saat ini nilai yang didukung hingga 255. Defaultnya diatur ke 255.

nilai default: 255
model_framework
str

Jika disediakan, hanya akan menampilkan model dengan kerangka kerja yang ditentukan, jika ada.

nilai default: None

Mengembalikan

Jenis Deskripsi
list[Model]

Daftar model, difilter secara opsional.

Pengecualian

Jenis Deskripsi
WebserviceException

package

Buat paket model dalam benti gambar Docker atau konteks build Dockerfile.

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

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Ruang kerja tempat membuat paket.
models
Diperlukan
list[Model]

Daftar objek Model yang akan disertakan dalam paket. Bisa berupa daftar kosong.
inference_config
InferenceConfig

Objek InferenceConfig untuk mengonfigurasi pengoperasian model. Ini harus menyertakan objek Lingkungan.

nilai default: None
generate_dockerfile
bool

Apakah akan membuat Dockerfile yang dapat dijalankan secara lokal alih-alih membangun gambar.

nilai default: False
image_name
str

Saat membangun gambar, nama untuk gambar yang dihasilkan.

nilai default: None
image_label
str

Saat membangun gambar, label untuk gambar yang dihasilkan.

nilai default: None

Mengembalikan

Jenis Deskripsi
ModelPackage

Objek ModelPackage.

Pengecualian

Jenis Deskripsi
WebserviceException

print_configuration

Cetak konfigurasi pengguna.

static print_configuration(models, inference_config, deployment_config, deployment_target)

Parameter

Nama Deskripsi
models
Diperlukan
list[Model]

Daftar objek model. Bisa berupa daftar kosong.
inference_config
Diperlukan
InferenceConfig

Objek InferenceConfig yang digunakan untuk menentukan properti model yang diperlukan.
deployment_config
Diperlukan
WebserviceDeploymentConfiguration

WebserviceDeploymentConfiguration yang digunakan untuk mengonfigurasi layanan web.
deployment_target
Diperlukan
ComputeTarget

ComputeTarget yang akan disebarkan ke Layanan Web.

Pengecualian

Jenis Deskripsi
WebserviceException

profile

Buat profil model untuk mendapatkan rekomendasi persyaratan sumber daya.

Ini adalah operasi jangka panjang yang dapat memerlukan waktu hingga 25 menit tergantung ukuran himpunan data.

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

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Objek Ruang Kerja untuk membuat profil model.
profile_name
Diperlukan
str

Nama eksekusi pembuatan profil.
models
Diperlukan
list[Model]

Daftar objek model. Bisa berupa daftar kosong.
inference_config
Diperlukan
InferenceConfig

Objek InferenceConfig yang digunakan untuk menentukan properti model yang diperlukan.
input_dataset
Diperlukan
Dataset

Himpunan data input untuk pembuatan profil. Himpunan data input harus memiliki satu kolom dan input sampel harus dalam format string.
cpu
float

Jumlah inti cpu yang digunakan pada instans pengujian terbesar. Saat ini nilai yang didukung hingga 3.5.

nilai default: None
memory_in_gb
float

Jumlah memori (dalam GB) untuk digunakan pada instans pengujian terbesar. Bisa berupa desimal. Saat ini nilai yang didukung hingga 15.0.

nilai default: None
description
str

Deskripsi yang akan dikaitkan dengan eksekusi pembuatan profil.

nilai default: None

Mengembalikan

Jenis Deskripsi
ModelProfile

Pengecualian

Jenis Deskripsi
<xref:azureml.exceptions.WebserviceException>, <xref:azureml.exceptions.UserErrorException>

register

Mendaftarkan model dengan ruang kerja yang disediakan.

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)

Parameter

Nama Deskripsi
workspace
Diperlukan
Workspace

Ruang kerja yang digunakan untuk mendaftarkan model.
model_path
Diperlukan
str

Jalur pada sistem file lokal tempat aset model berada. Jalur dapat berupa pointer langsung ke satu file atau folder. Jika menunjuk ke folder, parameter child_paths dapat digunakan untuk menentukan file individu yang akan dibundel bersama sebagai objek Model, berbeda dengan menggunakan seluruh isi folder.
model_name
Diperlukan
str

Nama yang digunakan untuk mendaftarkan model.
tags
dict(<xref:{str : str}>)

Kamus opsional tag nilai kunci yang akan ditetapkan ke model.

nilai default: None
properties
dict(<xref:{str : str}>)

Kamus opsional properti nilai kunci yang akan ditetapkan ke model. Properti ini tidak dapat diubah setelah pembuatan model, namun pasangan nilai kunci baru dapat ditambahkan.

nilai default: None
description
str

Deskripsi teks model.

nilai default: None
datasets
list[(str, AbstractDataset)]

Daftar tupel di mana elemen pertama menggambarkan hubungan himpunan data-model dan elemen kedua adalah himpunan data.

nilai default: None
model_framework
str

Kerangka kerja dari model yang terdaftar. Menggunakan konstanta yang didukung sistem dari kelas Framework memungkinkan penyebaran yang disederhanakan untuk beberapa kerangka kerja populer.

nilai default: None
model_framework_version
str

Versi kerangka kerja dari model yang terdaftar.

nilai default: None
child_paths
list[str]

Jika disediakan bersamaan dengan model_path ke suatu folder, hanya file yang ditentukan yang akan dibundel ke dalam objek Model.

nilai default: None
sample_input_dataset
AbstractDataset

Himpunan data input sampel untuk model terdaftar.

nilai default: None
sample_output_dataset
AbstractDataset

Himpunan data output sampel untuk model terdaftar.

nilai default: None
resource_configuration
ResourceConfiguration

Konfigurasi sumber daya untuk menjalankan model terdaftar.

nilai default: None

Mengembalikan

Jenis Deskripsi
Model

Objek model terdaftar.

Pengecualian

Jenis Deskripsi
WebserviceException

Keterangan

Selain konten file model itu sendiri, model terdaftar juga menyimpan metadata model, termasuk deskripsi model, tag, dan informasi kerangka kerja, yang berguna saat mengelola dan menyebarkan model di ruang kerja Anda. Misalnya, dengan tag Anda dapat mengategorikan model dan menerapkan filter saat mencantumkan model di ruang kerja.

Sampel berikut menunjukkan cara mendaftarkan model yang menentukan tag dan deskripsi.


   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)

Sampel lengkap tersedia dari https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-local/register-model-deploy-local-advanced.ipynb

Jika Anda memiliki model yang dihasilkan sebagai hasil eksekusi eksperimen, Anda dapat mendaftarkannya dari objek eksekusi secara langsung tanpa mengunduhnya ke file lokal terlebih dahulu. Untuk melakukan itu gunakan metode register_model seperti yang didokumentasikan di kelas Run.

remove_tags

Menghapus kunci yang ditentukan dari kamus tag model ini.

remove_tags(tags)

Parameter

Nama Deskripsi
tags
Diperlukan
list[str]

Daftar kunci yang akan dihapus

Pengecualian

Jenis Deskripsi
WebserviceException

serialize

Mengonversi Model ini menjadi kamus serial json.

serialize()

Mengembalikan

Jenis Deskripsi
dict

Representasi json dari Model ini

Pengecualian

Jenis Deskripsi
WebserviceException

update

Melakukan pembaruan model di tempat.

Nilai parameter tertentu yang ada diganti.

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

Parameter

Nama Deskripsi
tags
dict(<xref:{str : str}>)

Kamus tag untuk memperbarui model. Tag ini menggantikan tag yang ada untuk model.

nilai default: None
description
str

Deskripsi baru yang akan digunakan untuk model. Nama ini akan menggantikan nama yang sudah ada.

nilai default: None
sample_input_dataset
AbstractDataset

Himpunan data input sampel yang akan digunakan untuk model terdaftar. Himpunan data input sampel ini menggantikan himpunan data yang ada.

nilai default: None
sample_output_dataset
AbstractDataset

Himpunan data output sampel yang akan digunakan untuk model terdaftar. Himpunan data output sampel ini menggantikan himpunan data yang ada.

nilai default: None
resource_configuration
ResourceConfiguration

Konfigurasi sumber daya yang akan digunakan untuk menjalankan model terdaftar.

nilai default: None

Pengecualian

Jenis Deskripsi
WebserviceException

update_tags_properties

Melakukan pembaruan tag dan properti model.

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

Parameter

Nama Deskripsi
add_tags
dict(<xref:{str : str}>)

Kamus tag yang akan ditambahkan.

nilai default: None
remove_tags
list[str]

Daftar nama tag yang akan dihapus.

nilai default: None
add_properties
dict(<xref:{str : str}>)

Kamus properti yang akan ditambahkan.

nilai default: None

Pengecualian

Jenis Deskripsi
WebserviceException