az ml model
Nota
Questo riferimento fa parte dell'estensione azure-cli-ml per l'interfaccia della riga di comando di Azure (versione 2.0.28 o successiva). L'estensione installerà automaticamente la prima volta che si esegue un comando az ml model . Altre informazioni sulle estensioni.
Gestire i modelli di Machine Learning.
Comandi
| Nome | Descrizione | Tipo | Stato |
|---|---|---|---|
| az ml model delete |
Eliminare un modello dall'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model deploy |
Distribuire i modelli dall'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model download |
Scaricare un modello dall'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model list |
Elencare i modelli nell'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model package |
Creare un pacchetto di un modello nell'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model profile |
Modelli di profilo nell'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model register |
Registrare un modello nell'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model show |
Visualizzare un modello nell'area di lavoro. |
Estensione | Disponibilità generale |
| az ml model update |
Aggiornare un modello nell'area di lavoro. |
Estensione | Disponibilità generale |
az ml model delete
Eliminare un modello dall'area di lavoro.
az ml model delete --model-id
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Parametri necessari
ID del modello da eliminare.
Parametri facoltativi
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Specifica l'ID sottoscrizione.
Nome dell'area di lavoro.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model deploy
Distribuire i modelli dall'area di lavoro.
az ml model deploy --name
[--ae]
[--ai]
[--ar]
[--as]
[--at]
[--autoscale-max-replicas]
[--autoscale-min-replicas]
[--base-image]
[--base-image-registry]
[--cc]
[--ccl]
[--cf]
[--collect-model-data]
[--compute-target]
[--compute-type]
[--cuda-version]
[--dc]
[--description]
[--dn]
[--ds]
[--ed]
[--eg]
[--entry-script]
[--environment-name]
[--environment-version]
[--failure-threshold]
[--gb]
[--gbl]
[--gc]
[--ic]
[--id]
[--key-name]
[--key-version]
[--kp]
[--ks]
[--lo]
[--max-request-wait-time]
[--model]
[--model-metadata-file]
[--namespace]
[--no-wait]
[--nr]
[--overwrite]
[--path]
[--period-seconds]
[--pi]
[--po]
[--property]
[--replica-max-concurrent-requests]
[--resource-group]
[--rt]
[--sc]
[--scoring-timeout-ms]
[--sd]
[--se]
[--sk]
[--sp]
[--st]
[--subnet-name]
[--subscription-id]
[--tag]
[--timeout-seconds]
[--token-auth-enabled]
[--tp]
[--vault-base-url]
[--version-name]
[--vnet-name]
[--workspace-name]
[-v]Parametri necessari
Nome del servizio distribuito.
Parametri facoltativi
Indica se abilitare o meno l'autenticazione della chiave per questo servizio Web. Il valore predefinito è False.
Indica se abilitare o meno AppInsights per questo servizio Web. Il valore predefinito è False.
Frequenza con cui il ridimensionamento automatico deve tentare di ridimensionare questo servizio Web. Assume il valore predefinito 1.
Indica se abilitare o meno la scalabilità automatica per questo servizio Web. L'impostazione predefinita è True se num_replicas è Nessuno.
L'utilizzo di destinazione (in percentuale su 100) del ridimensionamento automatico deve tentare di mantenere per questo servizio Web. Il valore predefinito è 70.
Numero massimo di contenitori da usare per la scalabilità automatica di questo servizio Web. Il valore predefinito è 10.
Numero minimo di contenitori da usare per la scalabilità automatica di questo servizio Web. Assume il valore predefinito 1.
Immagine personalizzata da usare come immagine di base. Se non viene specificata alcuna immagine di base, l'immagine di base verrà usata in base al parametro di runtime specificato.
Registro immagini che contiene l'immagine di base.
Numero di core cpu da allocare per questo servizio Web. Può essere un decimale. Il valore predefinito è 0.1.
È consentito usare il numero massimo di core CPU per questo servizio Web. Può essere un decimale.
Percorso del file locale contenente una definizione di ambiente conda da usare per l'immagine.
Indica se abilitare o meno la raccolta dei dati del modello per questo servizio Web. Il valore predefinito è False.
Nome della destinazione di calcolo. Applicabile solo quando si esegue la distribuzione nel servizio Azure Kubernetes.
Tipo di servizio di calcolo da distribuire.
Versione di CUDA da installare per le immagini che necessitano del supporto GPU. L'immagine GPU deve essere usata nei servizi di Microsoft Azure, ad esempio Istanze di Azure Container, calcolo di Azure Machine Learning, Macchine virtuali di Azure e servizio Azure Kubernetes. Le versioni supportate sono 9.0, 9.1 e 10.0. Se 'enable_gpu' è impostato, il valore predefinito è '9.1'.
Percorso di un file JSON o YAML contenente i metadati di distribuzione.
Descrizione del servizio distribuito.
Nome dns per questo servizio Web.
Percorso del file locale contenente passaggi docker aggiuntivi da eseguire durante la configurazione dell'immagine.
Directory per l'ambiente di Azure Machine Learning per la distribuzione. È lo stesso percorso della directory fornito nel comando 'az ml environment scaffold'.
Indica se abilitare o meno il supporto GPU nell'immagine. L'immagine GPU deve essere usata nei servizi di Microsoft Azure, ad esempio Istanze di Azure Container, calcolo di Azure Machine Learning, Macchine virtuali di Azure e servizio Azure Kubernetes. Il valore predefinito è False.
Percorso del file locale che contiene il codice da eseguire per il servizio (percorso relativo da source_directory se disponibile).
Nome dell'ambiente di Azure Machine Learning per la distribuzione.
Versione di un ambiente di Azure Machine Learning esistente per la distribuzione.
All'avvio di un pod e il probe di attività ha esito negativo, Kubernetes proverà --failure-threshold times prima di rinunciare. Il valore predefinito è 3. Il valore minimo è 1.
Quantità di memoria (in GB) da allocare per questo servizio Web. Può essere un decimale.
La quantità massima di memoria (in GB) consentita per questo servizio Web. Può essere un decimale.
Numero di core GPU da allocare per questo servizio Web. Il valore predefinito è 1.
Percorso di un file JSON o YAML contenente la configurazione dell'inferenza.
Il numero di secondi dopo l'avvio del contenitore prima che vengano avviati i probe di attività. Il valore predefinito è 310.
Nome della chiave per le proprietà di crittografia nelle chiavi gestite dal cliente (CMK) per ACI.
Versione della chiave per le proprietà di crittografia nelle chiavi gestite dal cliente (CMK) per ACI.
Chiave di autenticazione primaria da usare per questo servizio Web.
Chiave di autenticazione secondaria da usare per questo servizio Web.
L'area di Azure in cui distribuire questo servizio Web. Se non specificata, verrà usata la località dell'area di lavoro. Altri dettagli sulle aree disponibili sono disponibili qui: https://azure.microsoft.com/en-us/global-infrastructure/services/?regions=all& products=container-instances.
La quantità massima di tempo per cui una richiesta rimarrà nella coda (in millisecondi) prima di restituire un errore 503. Il valore predefinito è 500.
ID del modello da distribuire. È possibile specificare più modelli con argomenti -m aggiuntivi. I modelli devono essere registrati per primi.
Percorso di un file JSON contenente i metadati di registrazione del modello. È possibile fornire più modelli usando più parametri -f.
Spazio dei nomi Kubernetes in cui distribuire il servizio: fino a 63 caratteri alfanumerici minuscoli ('a'-'z', '0'-'9') e trattino ('-'). Il primo e l'ultimo carattere non possono essere trattini. Applicabile solo quando si esegue la distribuzione nel servizio Azure Kubernetes.
Flag per non attendere le chiamate asincrone.
Numero di contenitori da allocare per questo servizio Web. Nessun valore predefinito, se questo parametro non è impostato, l'utilità di scalabilità automatica è abilitata per impostazione predefinita.
Sovrascrivere il servizio esistente se il nome è in conflitto.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
La frequenza (in secondi) con cui eseguire il probe di attività. Il valore predefinito è 10 secondi. Il valore minimo è 1.
Percorso di un file JSON contenente i risultati della profilatura.
La porta locale su cui esporre l'endpoint HTTP del servizio.
Proprietà chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più proprietà con più opzioni --property.
Numero massimo di richieste simultanee per nodo da consentire per questo servizio Web. Assume il valore predefinito 1.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Quale runtime usare per l'immagine. I runtime attualmente supportati sono "spark-py" e "python'spark-py|python|python-slim.
Cname per se SSL è abilitato.
Timeout da applicare per l'assegnazione dei punteggi alle chiamate a questo servizio Web. Il valore predefinito è 60000.
Percorso delle cartelle che contengono tutti i file per creare l'immagine.
Indica se abilitare o meno SSL per questo servizio Web. Il valore predefinito è False.
File di chiave necessario se SSL è abilitato.
File di certificato necessario se SSL è abilitato.
Il numero minimo di successi consecutivi perché il probe di attività venga considerato riuscito dopo un errore. Assume il valore predefinito 1. Il valore minimo è 1.
Nome della subnet all'interno della rete virtuale.
Specifica l'ID sottoscrizione.
Tag chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più tag con più opzioni --tag.
Numero di secondi dopo il quale si verifica il timeout del probe di attività. Il valore predefinito è 2 secondi. Il valore minimo è 1.
Indica se abilitare o meno l'autenticazione del token per questo servizio Web. Ignorato se non viene eseguita la distribuzione nel servizio Azure Kubernetes. Il valore predefinito è False.
La quantità di traffico che la versione accetta in un endpoint. Può essere un decimale. Il valore predefinito è 0.
URL di base dell'insieme di credenziali per le proprietà di crittografia nelle chiavi gestite dal cliente (CMK) per ACI.
Nome della versione in un endpoint. Il valore predefinito è il nome dell'endpoint per la prima versione.
Nome della rete virtuale.
Nome dell'area di lavoro.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model download
Scaricare un modello dall'area di lavoro.
az ml model download --model-id
--target-dir
[--overwrite]
[--path]
[--resource-group]
[--subscription-id]
[--workspace-name]
[-v]Parametri necessari
ID del modello.
Directory di destinazione in cui scaricare il file del modello.
Parametri facoltativi
Sovrascrivere se il file con lo stesso nome esiste nella directory di destinazione.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Specifica l'ID sottoscrizione.
Nome dell'area di lavoro contenente il modello da visualizzare.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model list
Elencare i modelli nell'area di lavoro.
az ml model list [--dataset-id]
[--latest]
[--model-name]
[--path]
[--property]
[--resource-group]
[--run-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]Parametri facoltativi
Se specificato, visualizzerà solo i modelli con l'ID del set di dati specificato.
Se specificato, restituirà solo i modelli con la versione più recente.
Nome facoltativo del modello per filtrare l'elenco.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Proprietà chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più proprietà con più opzioni --property.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Se specificato, visualizzerà solo i modelli con l'ID di esecuzione specificato.
Specifica l'ID sottoscrizione.
Tag chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più tag con più opzioni --tag.
Nome dell'area di lavoro contenente i modelli da elencare.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model package
Creare un pacchetto di un modello nell'area di lavoro.
az ml model package [--cf]
[--ed]
[--entry-script]
[--environment-name]
[--environment-version]
[--ic]
[--il]
[--image-name]
[--model]
[--model-metadata-file]
[--no-wait]
[--output-path]
[--path]
[--resource-group]
[--rt]
[--sd]
[--subscription-id]
[--workspace-name]
[-v]Parametri facoltativi
Percorso del file locale contenente una definizione di ambiente conda da usare per il pacchetto.
Directory per l'ambiente di Azure Machine Learning per la creazione di pacchetti. È lo stesso percorso della directory fornito nel comando 'az ml environment scaffold'.
Percorso del file locale che contiene il codice da eseguire per il servizio (percorso relativo da source_directory se disponibile).
Nome dell'ambiente di Azure Machine Learning per la creazione di pacchetti.
Versione di un ambiente di Azure Machine Learning esistente per la creazione di pacchetti.
Percorso di un file JSON o YAML contenente la configurazione dell'inferenza.
Etichetta per assegnare l'immagine del pacchetto compilata.
Nome per assegnare l'immagine del pacchetto compilata.
ID del modello da inserire nel pacchetto. È possibile specificare più modelli con argomenti -m aggiuntivi. I modelli devono essere registrati per primi.
Percorso di un file JSON contenente i metadati di registrazione del modello. È possibile fornire più modelli usando più parametri -f.
Flag per non attendere le chiamate asincrone.
Percorso di output per il contesto docker. Se viene passato un percorso di output, anziché compilare un'immagine nel Registro Azure Container dell'area di lavoro, un dockerfile e il contesto di compilazione necessario verranno scritti in tale percorso.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Runtime da usare per il pacchetto. I runtime attualmente supportati sono "spark-py" e "python'spark-py|python|python-slim.
Percorso delle cartelle che contengono tutti i file per creare l'immagine.
Specifica l'ID sottoscrizione.
Nome dell'area di lavoro.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model profile
Modelli di profilo nell'area di lavoro.
az ml model profile --name
[--base-image]
[--base-image-registry]
[--cc]
[--cf]
[--description]
[--ed]
[--entry-script]
[--environment-name]
[--environment-version]
[--gb]
[--ic]
[--idi]
[--model]
[--model-metadata-file]
[--output-metadata-file]
[--resource-group]
[--sd]
[--subscription-id]
[--workspace-name]
[-v]Parametri necessari
Nome del profilo del modello.
Parametri facoltativi
Immagine personalizzata da usare come immagine di base. Se non viene specificata alcuna immagine di base, l'immagine di base verrà usata in base al parametro di runtime specificato.
Registro immagini che contiene l'immagine di base.
Valore doppio per il massimo utilizzo della CPU durante la profilatura.
Percorso del file locale contenente una definizione di ambiente conda da usare per l'immagine.
Descrizione del profilo del modello.
Directory per l'ambiente di Azure Machine Learning per la distribuzione. È lo stesso percorso della directory fornito nel comando 'az ml environment scaffold'.
Percorso del file locale che contiene il codice da eseguire per il servizio (percorso relativo da source_directory se disponibile).
Nome dell'ambiente di Azure Machine Learning per la distribuzione.
Versione di un ambiente di Azure Machine Learning esistente per la distribuzione.
Valore doppio per la memoria massima da usare durante la profilatura.
Percorso di un file JSON o YAML contenente la configurazione dell'inferenza.
ID del set di dati tabulare da usare come input per il profilo.
ID del modello da distribuire. È possibile specificare più modelli con argomenti -m aggiuntivi. I modelli devono essere registrati per primi.
Percorso di un file JSON contenente i metadati di registrazione del modello. È possibile fornire più modelli usando più parametri -f.
Percorso di un file JSON in cui verranno scritti i metadati dei risultati del profilo. Usato come input per la distribuzione del modello.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Percorso delle cartelle che contengono tutti i file per creare l'immagine.
Specifica l'ID sottoscrizione.
Nome dell'area di lavoro.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model register
Registrare un modello nell'area di lavoro.
az ml model register --name
[--asset-path]
[--cc]
[--description]
[--experiment-name]
[--gb]
[--gc]
[--model-framework]
[--model-framework-version]
[--model-path]
[--output-metadata-file]
[--path]
[--property]
[--resource-group]
[--run-id]
[--run-metadata-file]
[--sample-input-dataset-id]
[--sample-output-dataset-id]
[--subscription-id]
[--tag]
[--workspace-name]
[-v]Parametri necessari
Nome del modello da registrare.
Parametri facoltativi
Il percorso cloud in cui l'esecuzione dell'esperienza archivia il file del modello.
Numero predefinito di core CPU da allocare per questo modello. Può essere un decimale.
Descrizione del modello.
Nome dell'esperimento.
Quantità predefinita di memoria (in GB) da allocare per questo modello. Può essere un decimale.
Numero predefinito di GPU da allocare per questo modello.
Framework del modello da registrare. Framework attualmente supportati: TensorFlow, ScikitLearn, Onnx, Custom, Multi.
Versione framework del modello da registrare (ad esempio 1.0.0, 2.4.1).
Percorso completo del file del modello da registrare.
Percorso di un file JSON in cui verranno scritti i metadati di registrazione del modello. Usato come input per la distribuzione del modello.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Proprietà chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più proprietà con più opzioni --property.
Gruppo di risorse corrispondente all'area di lavoro specificata.
ID dell'esecuzione dell'esperimento da cui viene registrato il modello.
Percorso di un file JSON contenente i metadati di esecuzione dell'esperienza.
ID del set di dati di input di esempio.
ID del set di dati di output di esempio.
Specifica l'ID sottoscrizione.
Tag chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più tag con più opzioni --tag.
Nome dell'area di lavoro con cui registrare questo modello.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model show
Visualizzare un modello nell'area di lavoro.
az ml model show [--model-id]
[--model-name]
[--path]
[--resource-group]
[--run-id]
[--subscription-id]
[--version]
[--workspace-name]
[-v]Parametri facoltativi
ID del modello da visualizzare.
Nome del modello da visualizzare.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Gruppo di risorse corrispondente all'area di lavoro specificata.
Se specificato, visualizzerà solo i modelli con l'ID di esecuzione specificato.
Specifica l'ID sottoscrizione.
Se specificato, mostrerà solo i modelli con il nome e la versione specificati.
Nome dell'area di lavoro contenente il modello da visualizzare.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
az ml model update
Aggiornare un modello nell'area di lavoro.
az ml model update --model-id
[--add-property]
[--add-tag]
[--cc]
[--description]
[--gb]
[--gc]
[--path]
[--remove-tag]
[--resource-group]
[--sample-input-dataset-id]
[--sample-output-dataset-id]
[--subscription-id]
[--workspace-name]
[-v]Parametri necessari
ID del modello.
Parametri facoltativi
Proprietà chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più proprietà con più opzioni --add-property.
Tag chiave/valore da aggiungere (e.g. key=value ). È possibile specificare più tag con più opzioni --add-tag.
Numero predefinito di core CPU da allocare per questo modello. Può essere un decimale.
Descrizione con cui aggiornare il modello. Sostituirà la descrizione corrente.
Quantità predefinita di memoria (in GB) da allocare per questo modello. Può essere un decimale.
Numero predefinito di GPU da allocare per questo modello.
Percorso di una cartella del progetto. Impostazione predefinita: directory corrente.
Chiave del tag da rimuovere. È possibile specificare più tag con più opzioni --remove-tag.
Gruppo di risorse corrispondente all'area di lavoro specificata.
ID del set di dati di input di esempio.
ID del set di dati di output di esempio.
Specifica l'ID sottoscrizione.
Nome dell'area di lavoro.
Flag di dettaglio.
Parametri globali
Aumenta il livello di dettaglio della registrazione per mostrare tutti i log di debug.
Visualizza questo messaggio della guida ed esce.
Mostra solo gli errori, eliminando gli avvisi.
Formato di output.
Stringa di query JMESPath. Per altre informazioni ed esempi, vedere http://jmespath.org/.
Nome o ID della sottoscrizione. È possibile configurare la sottoscrizione predefinita usando az account set -s NAME_OR_ID.
Aumenta il livello di dettaglio della registrazione. Usare --debug per log di debug completi.
