az ml model
Nota
Questo riferimento fa parte dell'estensione ml per l'interfaccia della riga di comando di Azure (versione 2.15.0 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 Azure ML.
I modelli di Azure ML sono costituiti dai file binari che rappresentano un modello di Machine Learning e i metadati corrispondenti. Questi modelli possono essere usati nelle distribuzioni di endpoint per l'inferenza batch e in tempo reale.
Comandi
| Nome | Descrizione | Tipo | Stato |
|---|---|---|---|
| az ml model archive |
Archiviare un modello. |
Estensione | Disponibilità generale |
| az ml model create |
Creare un modello. |
Estensione | Disponibilità generale |
| az ml model download |
Scaricare tutti i file correlati al modello. |
Estensione | Disponibilità generale |
| az ml model list |
Elencare i modelli in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire |
Estensione | Disponibilità generale |
| az ml model package |
Creare un pacchetto di un modello in un ambiente. |
Estensione | Anteprima |
| az ml model restore |
Ripristinare un modello archiviato. |
Estensione | Disponibilità generale |
| az ml model share |
Condividere un modello specifico dall'area di lavoro al Registro di sistema. |
Estensione | Disponibilità generale |
| az ml model show |
Visualizzare i dettagli per un modello in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire |
Estensione | Disponibilità generale |
| az ml model update |
Aggiornare un modello in un'area di lavoro o in un registro. |
Estensione | Disponibilità generale |
az ml model archive
Archiviare un modello.
L'archiviazione di un modello lo nasconde per impostazione predefinita dalle query di elenco (az ml model list). È comunque possibile continuare a fare riferimento e usare un modello archiviato nei flussi di lavoro. È possibile archiviare un contenitore di modelli o una versione specifica del modello. L'archiviazione di un contenitore di modelli archivierà tutte le versioni del modello con il nome specificato. È possibile ripristinare un modello archiviato usando az ml model restore. Se l'intero contenitore del modello è archiviato, non è possibile ripristinare singole versioni del modello. Sarà necessario ripristinare il contenitore del modello.
az ml model archive --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]Esempio
Archiviare un contenitore di modelli (archivia tutte le versioni del modello)
az ml model archive --name my-model --resource-group my-resource-group --workspace-name my-workspaceArchiviare una versione specifica del modello
az ml model archive --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspaceParametri necessari
Nome del modello.
Parametri facoltativi
Etichetta del modello.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Versione del modello.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 create
Creare un modello.
I modelli possono essere creati da un file locale, da una directory locale, da un archivio dati o da output del processo. Il modello creato verrà monitorato nell'area di lavoro o nel Registro di sistema con il nome e la versione specificati. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .
az ml model create [--datastore]
[--description]
[--file]
[--name]
[--no-wait]
[--path]
[--registry-name]
[--resource-group]
[--set]
[--stage]
[--tags]
[--type]
[--version]
[--workspace-name]Esempio
Creare un modello da un file di specifica YAML
az ml model create --file model.yml --resource-group my-resource-group --workspace-name my-workspaceCreare un modello da una cartella locale usando le opzioni di comando
az ml model create --name my-model --version 1 --path ./my-model --resource-group my-resource-group --workspace-name my-workspaceCreare un modello usando mlflow run URI format 'runs:/<run-id><path-to-model-relative-to-the-root-of-the-artifact-location>/' e opzioni di comando
az ml model create --name my-model --version 1 --path runs:/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/model/ --type mlflow_model --resource-group my-resource-group --workspace-name my-workspaceCreare un modello da un output del processo denominato usando il formato URI del processo azureml 'azureml://jobs/<job-name>/outputs//<named-output>paths/<path-to-model-relative-to-the-named-output-location>' e le opzioni di comando. L'output denominato predefinito è artefatti
az ml model create --name my-model --version 1 --path azureml://jobs/c42d2507-4953-4a7c-a4c1-2b5bfe0ac64e/outputs/artifacts/paths/model/ --resource-group my-resource-group --workspace-name my-workspaceCreare un modello da un archivio dati 'azureml://datastores/<datastore-name>/paths/<path-to-model-relative-to-the-root-of-the-datastore-location>' usando le opzioni di comando
az ml model create --name my-model --version 1 --path azureml://datastores/myblobstore/paths/models/cifar10/cifar.pt --resource-group my-resource-group --workspace-name my-workspaceParametri facoltativi
Archivio dati in cui caricare l'artefatto locale.
Descrizione del modello.
Percorso locale del file YAML contenente la specifica del modello di Azure ML. La documentazione di riferimento YAML per il modello è disponibile in: https://aka.ms/ml-cli-v2-model-yaml-reference.
Nome del modello.
Indica che non è necessario attendere il termine dell'operazione a esecuzione prolungata.
Percorso dei file del modello. Può trattarsi di una posizione locale o remota. Se specificato, è necessario specificare anche --name/-n e --version/-v.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Aggiornare un oggetto specificando un percorso di proprietà e un valore da impostare. Esempio: --set property1.property2=.
Fase del modello.
Coppie chiave-valore separate da spazi per i tag dell'oggetto.
Il tipo di modello, i valori consentiti sono custom_model, mlflow_model e triton_model. Il tipo predefinito è custom_model.
Versione del modello.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 tutti i file correlati al modello.
I file verranno scaricati in una cartella denominata in base al nome del modello. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .
az ml model download --name
--version
[--download-path]
[--registry-name]
[--resource-group]
[--workspace-name]Esempio
Scaricare un modello con il nome e la versione specificati
az ml model download --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspaceScaricare un modello con il nome e la versione specificati in un percorso locale specificato
az ml model download --name my-model --version 1 --download-path local_path --resource-group my-resource-group --workspace-name my-workspaceParametri necessari
Nome del modello.
Versione del modello.
Parametri facoltativi
Percorso per scaricare i file del modello, per impostazione predefinita nella directory di lavoro corrente.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .
az ml model list [--archived-only]
[--include-archived]
[--max-results]
[--name]
[--registry-name]
[--resource-group]
[--stage]
[--workspace-name]Esempio
Elencare tutti i modelli in un'area di lavoro
az ml model list --resource-group my-resource-group --workspace-name my-workspaceElencare tutte le versioni del modello per il nome specificato in un'area di lavoro
az ml model list --name my-model --resource-group my-resource-group --workspace-name my-workspaceElencare tutti i modelli in un'area di lavoro usando l'argomento --query per eseguire una query JMESPath sui risultati dei comandi.
az ml model list --query "[].{Name:name}" --output table --resource-group my-resource-group --workspace-name my-workspaceParametri facoltativi
Elencare solo i modelli archiviati.
Elencare i modelli archiviati e i modelli attivi.
Numero massimo di risultati da restituire.
Nome del modello. Se specificato, verranno restituite tutte le versioni del modello con questo nome.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Fase del modello.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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
Questo comando è in anteprima e in fase di sviluppo. Livelli di riferimento e supporto: https://aka.ms/CLI_refstatus
Creare un pacchetto di un modello in un ambiente.
Quando viene creato un modello in pacchetto, viene creato un ambiente con tutte le dipendenze.
az ml model package --file
--name
--version
[--registry-name]
[--resource-group]
[--workspace-name]Esempio
Creare un pacchetto di un modello con il nome e la versione specificati
az ml model package --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --file my-package.ymlParametri necessari
Percorso locale del file YAML contenente la definizione del pacchetto del modello.
Nome del modello.
Versione del modello.
Parametri facoltativi
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 restore
Ripristinare un modello archiviato.
Quando viene ripristinato un modello archiviato, non verrà più nascosto dalle query di elenco (az ml model list). Se viene archiviato un intero contenitore di modelli, è possibile ripristinare il contenitore archiviato. In questo modo verranno ripristinate tutte le versioni del modello con il nome specificato. Non è possibile ripristinare solo una versione specifica del modello se l'intero contenitore del modello è archiviato. Sarà necessario ripristinare l'intero contenitore. Se è stata archiviata solo una singola versione del modello, è possibile ripristinare tale versione specifica.
az ml model restore --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]Esempio
Ripristinare un contenitore modello archiviato (ripristina tutte le versioni del modello)
az ml model restore --name my-model --resource-group my-resource-group --workspace-name my-workspaceRipristinare una versione del modello archiviata specifica
az ml model restore --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspaceParametri necessari
Nome del modello.
Parametri facoltativi
Etichetta del modello.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Versione del modello.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 share
Condividere un modello specifico dall'area di lavoro al Registro di sistema.
Copiare un modello esistente da un'area di lavoro in un registro per il riutilizzo tra aree di lavoro.
az ml model share --name
--registry-name
--share-with-name
--share-with-version
--version
[--resource-group]
[--workspace-name]Esempio
Condividere un ambiente esistente dall'area di lavoro al Registro di sistema
az ml model share --name my-model --version my-version --resource-group my-resource-group --workspace-name my-workspace --share-with-name new-name-in-registry --share-with-version new-version-in-registry --registry-name my-registryParametri necessari
Nome del modello.
Registro di sistema di destinazione.
Nome del modello da creare.
Versione del modello con cui creare.
Versione del modello.
Parametri facoltativi
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 i dettagli per un modello in un'area di lavoro o in un registro. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .
az ml model show --name
[--label]
[--registry-name]
[--resource-group]
[--version]
[--workspace-name]Esempio
Visualizzare i dettagli per un modello con il nome e la versione specificati
az ml model show --name my-model --version 1 --resource-group my-resource-group --workspace-name my-workspaceParametri necessari
Nome del modello.
Parametri facoltativi
Etichetta del modello.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Versione del modello.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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 in un'area di lavoro o in un registro.
È possibile aggiornare le proprietà 'description' e 'tags'. Se si usa un Registro di sistema, sostituire --workspace-name my-workspace con l'opzione --registry-name <registry-name> .
az ml model update --name
--resource-group
[--add]
[--force-string]
[--label]
[--registry-name]
[--remove]
[--set]
[--stage]
[--version]
[--workspace-name]Esempio
Aggiornare le versioni di un modello
az ml model update --name my-model --version 1 --set flavors.python_function.python_version=3.8 --resource-group my-resource-group --workspace-name my-workspaceParametri necessari
Nome del modello.
Nome del gruppo di risorse. È possibile configurare il gruppo predefinito con az configure --defaults group=<name>.
Parametri facoltativi
Aggiungere un oggetto a un elenco di oggetti specificando un percorso e coppie chiave-valore. Esempio: --add property.listProperty <key=value, string or JSON string>.
Quando si usa 'set' o 'add', mantenere i valori letterali stringa anziché tentare di eseguire la conversione in JSON.
Etichetta del modello.
Se specificato, il comando avrà come destinazione il Registro di sistema anziché un'area di lavoro. Di conseguenza, il gruppo di risorse e l'area di lavoro non saranno necessari.
Rimuovere una proprietà o un elemento da un elenco. Esempio: --remove property.list <indexToRemove> OR --remove propertyToRemove.
Aggiornare un oggetto specificando un percorso di proprietà e un valore da impostare. Esempio: --set property1.property2=<value>.
Fase del modello.
Versione del modello.
Nome dell'area di lavoro di Azure ML. È possibile configurare l'area di lavoro predefinita usando az configure --defaults workspace=<name>.
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.
Commenti e suggerimenti
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedere https://aka.ms/ContentUserFeedback.
Invia e visualizza il feedback per